Aan de slag met AI binnen de overheid - The Hague · Big Data We spreken van big data als er sprake is van meerdere kenmerken van de data, met name de ... Intelligence, keert een

Aan de slag met AI binnen

de overheid

REDACTIE

Josephina Frederika

EINDREDACTIE

Josephina Frederika,

Marloes Pomp, Koen Hartog

DESIGN & VISUALS

Marize van der Laan

INTRODUCTIE

Voorwoord — Mona Keijzer

Waar hebben we het over?

Techniek gaat pas werken voor mensen als ze zien dat het ze vooruit helpt — Saskia Bruines

We weten al best veel over AI zelf, maar niet over het gebruik ervan in de publieke sector — Koen Lukas Hartog & Marloes Pomp

PILOTS

Waarom AI-pilots in de publieke sector zo belangrijk zijn — Nitesh Bharosa

Opinie— Kees van der Klauw

Pilot AI: digitale assistent voor het beantwoorden van kamervragen — Ilonka Novák & Peter Vermeulen

Pilot rijkswaterstaat: inspectie bruggen met drones — Ariea Vermeulen

INHOUDSOPGAVE

Pilot: Rijkswaterstaat Vitale Assets — Gilbert Westdorp

Opinie— Roel Bekker

Zo draagt AI bij aan een veilig Nederland

Pilot: Bijstand Gemeente Den Haag — Nathalie Kuiper

CBS: pilot eerlijke algoritmen— Bert Kroese

Pilot: AI en gegeven-standaardisatie met SBR data— Yvonne van der Brugge-Wolring

Opinie— Bas Eenhoorn

AI STARTUPS & DE

PUBLIEKE SECTOR

SBIR: AI in de publieke sector — Marieke van Putten

SBIR WInnaars

AI INNOVATIETRAJECT

Opinie— Michel van Leeuwen

04

05

06

08

10

13

18

20

21

26

28

33

34

36

38

40

44

48

DE VN EN AI

Responsible AI Innovation in Law Enforcement — Irakli Beridze

AI PRAKTIJKSCHOOL

Dit zijn de 3 juridische lessen voor overheden — Jeroen Naves

De technische lessen — Victor Pereboom

De lessen AI in combinatie met lucht- en satellietbeelden — Camiel Verschoor

Lessen: datamodellen — dr. Seyit Höcük

AI BINNEN DE OVERHEID

SLOTWOORD

Pak de droom op, alleen dan komen er mooie dingen uit — Frans Nauta

14

16

30

42

39

50

52

46

Aan de slag metAI binnen de overheid4

Recent ontdekten Amerikaanse

onderzoekers een nieuw medicijn.

Eigenlijk was het een oud medicijn

met een eigenschap die tot nu toe

nog onbekend was. Ze ontdekten

het via een algoritme, dat speciaal

was geschreven om te zoeken

in databanken met chemische

samenstellingen. Doel was om

eigenschappen te vinden die

effectief zijn als antibioticum.

Binnen enkele uren hadden de

onderzoekers beet. Het algoritme

vond een molecuul dat in een oud

medicijn voor diabetes zat. Wat

bleek? Deze stof werkt prima als

antibioticum en pakt zelfs bacteriën

aan die resistent geworden zijn voor

andere antibiotica.

Toen ik hierover las, dacht ik meteen

aan het grote vraagstuk van dit

moment. Deze publicatie komt uit

terwijl een groot deel van de wereld

stilligt vanwege het Coronavirus. We

zoeken naar manieren om het virus

te controleren, mensen te vaccineren

en genezen en om economie en

samenleving op een verantwoorde

manier ruimte te geven. Dat is een

puzzel vol grote dilemma’s.

Om die puzzel stap voor stap te

kunnen leggen, zullen we ook de

kansen van apps en algoritmes

goed moeten gebruiken. En ook

daar staan we voor dilemma’s:

hoe ontwikkelen we die

technologie - met een soms letterlijk

onvoorstelbaar potentieel – altijd

binnen de kaders van de wet en

onze publieke waarden? Hoe

reguleer je iets dat nog geen vaste

vormen heeft, in een onzekere en

snel veranderende wereld? Waarbij

je lang niet altijd weet waar het

publieke waarden gaat raken?

In de hele wereld worden deze

vragen nu gesteld. En in grote

lijnen kun je dan drie kanten op. Ten

eerste kun je een strikt commerciële

benadering kiezen bij het gebruik

van algoritmes, met een minimale

rol voor overheden en regelgeving.

Een ander uiterste is er een van

sterke controle door overheden,

met ook maar weinig privacy

voor consumenten en burgers.

Tussen deze uitersten werken we

in Europa en Nederland aan een

benadering die privacy, rechten

van consumenten en burgers

voorop stelt en publieke waarden

wil beschermen. Dat doen we als

overheden in samenspraak met het

bedrijfsleven.

Een belangrijke toets daarbij is

de vraag: kan ik de werking van

dit algoritme of deze toepassing

nog uitleggen aan de keukentafel?

Snappen we de gevolgen en

hebben we er nog de controle

over? Trekken we in de digitale

wereld dezelfde ethische en

wettelijke grenzen als in de analoge

wereld? En kunnen mensen daarop

vertrouwen? Die vragen zijn voor mij

de essentie van mensgerichte AI. En

op dat fundament wil het Kabinet de

maatschappelijke en economische

kansen van AI maximaal benutten.

In tijden van Corona, maar ook in

andere tijden, voor alle mogelijke

toepassingen.

We werken daar als Kabinet aan

met een strategisch actieplan voor

AI. Dat doen we niet alleen, maar

samen. In hechte publiek-private

samenwerking. En dat is bijzonder:

kennisinstellingen, bedrijven en

de overheid werken samen aan

een toekomst met AI. Dat doen

we in een Nederlandse AI Coalitie.

En daarbij sluiten we aan bij de

digitale strategie van de Europese

Commissie.

En tegelijk zullen we er gewoon

mee aan de slag moeten. Proberen,

fouten maken, leren en het

vervolgens beter doen. Wij weten

nog niet precies waar het met AI

heengaat. Maar een ding staat vast:

we hebben een open houding

nodig, we gaan dingen uitproberen.

Overheid, kennisinstellingen en

bedrijven samen. Altijd binnen

wettelijke kaders en met oog voor

de menselijke maat. Zodat we

het kunnen blijven uitleggen aan

onze eigen keukentafels. In tijden

van Corona, maar ook daarna..

In de publieke sector, maar ook

daarbuiten.

VOORWOORD

Mona Keijzer

Staatssecretaris van Economische Zaken en Klimaat

Aan de slag metAI binnen de overheid 5

Data Science

Data science is een relatief

nieuwe discipline die tot nieuwe

ontwikkelingen leidt. Met data

science wordt bedoeld: het

analyseren en interpreteren van

grote hoeveelheden data die ‘vaak’

complex en ongestructureerd

zijn, en tegenwoordig dagelijks

gegenereerd worden. De kunst van

data science is het transformeren

van data in waardevolle acties. Dit

vakgebied beslaat veel meer dan het

conventionele gebruik van data en

statistiek.

Big Data

We spreken van big data als er

sprake is van meerdere kenmerken

van de data, met name de

hoeveelheid data, de snelheid

waarmee de data binnenkomen

en/of opgevraagd worden, en de

diversiteit van de data. Er wordt

daarom ook vaak over de drie V’s

gesproken; Volume, Velocity en

Variety.

Er zijn echter meer zaken die

een rol spelen. De data is vaak

ongestructureerd en kan niet in een

traditionele database opgeslagen

worden. Andere mogelijke factoren

zijn de kwaliteit van de data (de

ene bron is minder betrouwbaar

dan de andere), de complexiteit

van de data (soms is het lastig

om ongestructureerde data van

verschillende bronnen met elkaar

te combineren) en de waarde van

data (data op zich hebben geen

nut tenzij ze worden omgezet in

iets waardevols). Naast de drie V’s

komen er dus nog minimaal twee

extra V’s bij; Veracity en Value.

Binnen het vakgebied van Artificial Intelligence, keert een aantal termen regelmatig terug.

Wat wordt er bedoeld met dit ‘jargon’?

Machine Learning

Machine Learning (ML) is een

geavanceerd onderzoeksveld

binnen data science dat zich

bezighoudt met de technieken

waarmee computers kunnen leren

- zonder dat ze er speciaal voor

geprogrammeerd zijn. Met de

technieken van ML kunnen uit grote

databestanden verbanden in de data

worden geïdentificeerd.

Deep Learning

Deep Learning (DL) is een onderdeel

van Machine Learning. Het betreft

algoritmen die zijn geïnspireerd

op de structuur en functie van

de hersenen. Deze algoritmen

worden daarom kunstmatige

neurale netwerken (Artificial Neural

Networks, ANN) genoemd. DL is

in feite een groot neuraal netwerk

bestaande uit vele lagen, soms wel

honderden. Deze gespecialiseerde

techniek is tegenwoordig heel

populair onder techneuten.

Waar hebben we het over?


Zeker in de publieke sector worden we soms overspoeld

door de mogelijkheden die miljoenen technologische

ontwikkelingen bieden. Dat gaat razendsnel en is soms

bijna niet te volgen. Waar de prioriteit ligt en welke

technologieën uw aandacht, of die van de overheid,

nodig hebben is soms lastig te bepalen.

Eén technologische ontwikkeling steekt er op dit

moment echter bovenuit wat mij betreft: kunstmatige

intelligentie, oftewel AI. Dit is de techniek die kan

bijdragen aan de ambitie van Den Haag op het gebied

van vrede, recht en veiligheid – en de ambitie die we

met de rijksoverheid delen om publieke dienstverlening

te innoveren.

Deze slimme en zelflerende technologie is bijna overal

toepasbaar - en wordt op steeds meer plekken ingezet.

Techniek gaat pas werken voor mensen als ze zien dat het ze vooruit helpt

De mogelijkheden lijken eindeloos. Maar ondertussen

is het ook nog weinig concreet. Techniek gaat pas

werken voor mensen als ze het kunnen gebruiken, als

het ze helpt en als ze het niet als een ding an sich zien.

Zo vinden we het heel normaal dat we allemaal een

supercomputer in onze broekzak hebben in de vorm van

een mobiel. We staan er weinig bij stil welke technieken

daaraan bijdragen - zo zal het in de toekomst ook gaan

met AI hoop ik.

AI als los onderwerp lijkt soms nog minder interessant.

Echter, als we dit op de juiste manier inzetten, helpt

het nu al concreet in ons werk in de publieke sector.

Wij willen dat in Den Haag alles goed draait, dat alles

schoon en veilig verloopt. Dat heeft heel veel met AI te

maken, want daarvoor hebben we informatie nodig. AI

kan ons helpen die informatie te analyseren. Samen met

Saskia Bruines

Wethouder Economie,Internationaal, Dienstverlening en 2e locoburgemeester van de Gemeente Den Haag

Dagelijks wordt uw aandacht gevraagd voor innovaties en met dit magazine doe ik dat voor kunstmatige intelligentie, oftewel AI. Met een dringende reden...


de daarvoor benodigde mensen die wij ook voorhanden

hebben. Den Haag is bijvoorbeeld de eerste stad met

een Chief Data Officer (CDO).

Ondertussen staat AI ook hoog op de nationale en

internationale beleidsagenda’s. Investeren in de

ontwikkeling en toepassing van AI is een must om de

Nederlandse economie wereldwijd concurrerend te

houden. Den Haag neemt hierin graag het voortouw

met The Hague Data Science Initiative (DSI). Het

programma waarmee we de toepassing van AI in de

stad willen versnellen. Zoals met de AI pilots die in dit

magazine worden beschreven.

Als stad hebben we echter ook oog voor de zorgen die

veel mensen hebben bij technologische ontwikkeling.

Het is belangrijk na te denken over vragen als: voegt

deze technologie echt wat toe aan mijn leven? Ben ik en

ook mijn privacy wel goed beschermd? In Den Haag

willen we er zeker van kunnen zijn dat AI verantwoord

wordt gebruikt: met oog voor juridische en ethische

beginselen. Den Haag is van oudsher internationale stad

van Vrede & Recht – en is dit ook in een digitale wereld.

Technologische ontwikkeling en publieke waarden en

mensenrechten gaan hand in hand. In onze stad zijn

beide kanten van deze medaille vertegenwoordigd. De

vestiging van het hoofdkantoor van CLAIRE, het grootste

onderzoekscollectief ter wereld, maar ook van VN

organisatie Unicri onderstrepen dit.

Het is van belang dat de hele publieke sector aan de

slag gaat met AI, en wel nu. Omdat AI bijna letterlijk

overal is, moeten we in de publieke sector ruimte maken

om zoveel mogelijk te experimenteren. Zo vinden we

uit waar kansen liggen en hoe we deze technologie

inzetten in het belang van iedere Nederlandse burger.

Experimenteren met AI confronteert ons niet alleen met

technische mogelijkheden en beperkingen, maar ook

met de organisatorische en ethische consequenties,

Graag nodig ik u uit om in dit magazine alles te lezen

over de potentie van AI in de publieke sector. Een

technologische ontwikkeling die uiteindelijk draait om

mensen en hoe we hun leven eenvoudiger en veiliger

kunnen maken.

Wij willen dat in Den Haag alles goed draait, dat alles schoon en veilig verloopt. Dat heeft heel veel met AI te maken, want daarvoor hebben we informatie nodig. AI kan ons helpen die informatie te analyseren.

“

”


We weten al best veel over AI zelf, maar niet over het gebruik ervan in de publieke sector

Koen Lukas Hartog

Programmamanager AI Innovatietraject,DSI

Marloes Pomp

Programmamanager AI Innovatietraject,DSI

AI voor mensen

AI wordt nog steeds ervaren als iets dat

‘te ingewikkeld is om te snappen’, laat

staan om het te gebruiken. En dat ligt

niet aan de kennis of kunde van mensen.

Het is simpelweg zo dat we nog niet

genoeg ervaring hebben en/of vanuit de

publieke sector naar buiten brengen over

de toepassing van deze techniek. AI is

weliswaar relatief nieuw, maar ondertussen

ook zeker geen hype meer. Het is zo gezegd

here to stay. Hoog tijd om nu te laten zien

wat de mogelijkheden en onmogelijkheden

van AI zijn in de publieke sector - en dat

doen wij door middel van dit magazine.

Hoewel het hier gaat om een technisch

onderwerp, zult u zien dat vrijwel alle

verhalen draaien om mensen. Want het zijn

niet alleen mensen die AI ontwikkelen, maar

ook mensen die AI gebruiken, of mensen

wiens dagelijks leven een stuk eenvoudiger

wordt door de oplossingen die AI biedt.

We nemen graag u mee op ontdekkingsreis naar de

potentie die AI heeft voor de overheid

We hopen u met dit magazine een praktisch en divers

overzicht te geven op een aantal onderdelen.

• Een beschrijving van een aantal AI pilots binnen de

publieke sector

• De AI-praktijkschool met lessen die we nu al kunnen

leren van deze pilots

• De omschrijving van een aantal AI-innovaties waar

(soms hele jonge) bedrijven samenwerken met de

overheid.

• Een aantal (verrassende) opinies van voorlopers op

het gebied van innovatie in de publieke sector.

Pilots leiden tot meer

mogelijkheden voor

de publieke sector

We hopen dat u door

deze brede aanpak, hele

concrete inzichten krijgt.

Dat u door de pilots

ziet welke potentie er is

voor AI voor de publieke

sector in het algemeen,

maar ook voor uw eigen

dagelijkse werk. Dat

is belangrijk, want we

weten al best veel over AI

zelf. Maar nog te weinig

over wat we kunnen

doen met deze techniek

in de publieke sector.


Veel lessen geleerd én resultaten geboekt

De mogelijkheden van een nieuwe technologie zoals

AI ontdekken, betekent ook dat niet alles lukt. Daarvoor

zijn het immers pilots - en ook (of soms juíst) uit de

minder geslaagde onderdelen kunnen lessen worden

getrokken. Opvallend is dat er bij deze ronde AI-pilots

al veel resultaten en toepassingen zijn ontdekt die

direct bruikbaar zijn. Om te voorkomen dat het wiel

telkens opnieuw uitgevonden moet worden, vindt u in

dit magazine ook alvast een overzicht van deze lessen

op het gebied van techniek, data, juridische zaken en

satelliet en luchtbeelden. Daarnaast moedigen wij u aan

om vooral te blijven experimenteren - met deze lessen bij

de hand.

AI betekent ook de juiste combinatie vinden

Samenwerken en de juiste combinaties vinden staan

voorop bij AI-innovaties voor de publieke sector. Op

zowel technologisch als uitvoerend vlak. Alleen AI is

vaak niet de oplossing, we zien vaak dat een combinatie

met (nieuwe) technologieën zoals privacy preserving

technologies of blockchain technologie het beste

resultaat oplevert. Ook de samenwerkingsverbanden

met de private sector kunnen leiden tot prachtige

resultaten. Over beide onderwerpen vindt u ook

artikelen in dit magazine.

De noodzaak is duidelijk, maar er is her- en der nog

koudwatervrees?

Kunstmatige intelligentie klinkt voor sommige mensen

als een potentiële bedreiging. Vragen over privacy,

ethische aspecten en controle van de techniek zijn er.

En terecht natuurlijk. Maar de echte koudwatervrees

kan snel weggenomen worden door mensen goed te

informeren. Die taak om mensen te overtuigen, moet

niet de overhand krijgen. Het beste is om mensen de

mogelijkheden te laten zien met best practices. Betrek

mensen daarbij en doe het zo vaak en zo veel mogelijk.

Alleen dan word je als organisatie bekwaam in het

innoveren en ben je steeds beter in staat om de juiste

keuzes te maken. Of dit nou gaat over AI, of welke

andere technologie dan ook.

De toekomst van AI in de publieke sector

Om alle benodigde data en kennis bij elkaar te

krijgen, is het van groot belang dat organisaties gaan

samenwerken binnen de publieke sector. Dat is een

voortdurende zoektocht gezien de complexiteit van

de opgave, het aantal en de omvang van de betrokken

organisaties. Maar het is zeker iets dat we kunnen

oefenen en waar de focus op moet liggen voor de

toekomst.

Binnenkort starten we met een tweede ronde pilots. Hier

zullen specifiek oplossingen gezocht worden voor het

veiligheidsdomein, maar er is ook ruimte voor een aantal

andere onderwerpen. Ook in de tweede ronde zullen

we samenwerken met andere publieke partijen, startups.

Daarnaast wordt met YES!DELFT en NL AIC een GovTech

accelerator opgestart, waar het pilotprogramma in

ondergebracht zal worden.

Over DSI en AI

Het Data Science

Initiative (DSI) is

een project van de

gemeente Den Haag.

De missie van DSI is om

de waarde van data

en AI te waarborgen

voor vrede, recht en

veiligheid. Wij denken

dat dat data science en

AI een enorme publieke

waarde kunnen creëren.

Den Haag is de stad waar een groot deel van onze

ministeries is gevestigd. De overheid is één van de

belangrijkste werkgevers. Het belang dat er juist hier

meer kennis en kunde op het gebied van data science

en AI komt, is dan ook groot. Dit doet DSI vooral door

het opzetten van kleinschalige onderzoeken, pilots en

experimenten. Zeker als het om techniek gaat, is dit vaak

de meest efficiënte en productieve manier om iets écht

te leren.


Nitesh Bharosa is onderzoeker aan de Technische Universiteit Delft. Hij doet onderzoek naar innovatie in digitale ecosystemen. Daarnaast is hij coördinator onderzoek en valorisatie bij Digicampus. Daarvoor was hij acht jaar actief als IT strategie consultant en R&D adviseur op data-infrastructuren.

Onderzoeker Nitesh Bharosa

snapt de uitdagingen waar AI en

de acceptatie daarvan voor staat.

Volgens hem is er wel een oplossing.

Namelijk, zoveel mogelijk open

experimenteren. In dit artikel legt

hij uit waarom dit zo belangrijk is,

en hoe dit het beste kan worden

uitgevoerd.

Als wij niet met AI experimenteren, worden wij afhankelijk van de oplossingenuit het buitenland.

Stel je voor dat je (na de Corona

crisis) met de auto een weekendje

naar Parijs wilt rijden. Zou je dat

zonder je navigatiesysteem kunnen?

Wellicht, al is het ongetwijfeld

fijner met een navigatiesysteem

Digicampus is een innovatiepartnerschap tussen overheid, wetenschap en markt en biedt een werkwijze voor het innoveren van publieke dienstverlening. Het is een samenwerkingsplek voor alle partijen die bij digitale innovaties binnen de publieke sector betrokken zijn. Digicampus is een initiatief van het Ministerie van Binnenlandse Zaken en Koninkrijksrelaties, Logius, ICTU, Nederland ICT, en de TU Delft.

WAAROM AI-PILOTS IN DE PUBLIEKE SECTOR ZO BELANGRIJK ZIJN

Begin door te experimenteren en leren met open data

In dit magazine leest u over de eerste ronde AI pilots in de publieke sector. Soms lijken de mogelijkheden voor AI-toepassingen eindeloos. Van een pilot waarbij AI helpt bij het beantwoorden van kamervragen, tot en met de experimenten waarbij AI het onderhoud van bruggen voorspelt. AI kan niet alleen worden ingezet op technisch vlak, maar ook op sociaal vlak. Dat blijkt bijvoorbeeld uit de pilot waarbij AI in de gemeente Den Haag helpt om mensen weer zo snel mogelijk op weg te helpen naar werk, of de pilot van CBS dat werkt aan eerlijke algoritmes.

als assistent. Op dezelfde manier

zoals een navigatiesysteem, maakt

AI (als verzamelnaam voor diverse

zelflerende technologieën 1 ) een

stapsgewijze intrede in ons leven.

Niet als vervanger, maar als assistent.

Als je Google Maps, Siri, Pinterest,

Facebook of een email-spamfilter

gebruikt, werk je al (mogelijk

onbewust) met AI.

Als we deze lijn volgen ga je

in de toekomst niet meer je

administratie doen en heb je 24/7

de beste digitale dokter direct tot je

beschikking (denk aan IBM Watson).

Experts 2 voorzien een groeipad met

drie intelligentieniveaus: assisted

AI (technologie als ondersteuning

van menselijke besluitvorming),

augmented AI (technologie

als verrijking van menselijke

capaciteiten) en autonomous AI

(technologie als uitvoerder van

“”


complexe taken zonder menselijke

controle of begeleiding). Een

belangrijke voorwaarde voor het

doorlopen van dit groeipad is

toegang tot betrouwbare data. AI

toepassingen hebben data nodig

om de algoritmes te trainen, te

verbeteren en uit te voeren. De

benodigde data is vaak niet bij

één organisatie, data deling tussen

organisaties en zelfs tussen sectoren

is een belangrijke randvoorwaarde

voor de ontwikkeling van AI

oplossingen.3

Niet gek dat de Europese Commissie

(EC) op eenzelfde moment zowel

een Datastrategie 4 als een AI

strategie 5 heeft gelanceerd.

De EC wil de ontwikkeling van

AI versnellen en erkent dat er

hiervoor meer datadeling nodig

is. Gewenste toepassingen van AI

zijn toepassingen die bijdragen

aan het vergroten van de veiligheid

(bijvoorbeeld misdaadbestrijding)

en aan een betere kwaliteit van

leven (bijvoorbeeld diagnoses

in de zorg, stimuleren van een

gezonde leefwijze, machines die

mensen zwaar werk uit handen

nemen). Om hier te komen moeten

niet alleen bedrijven, maar ook

publieke organisaties data delen

en AI benutten ten gunste van de

samenleving.

Naast datadeling is er nog een

randvoorwaarde: draagvlak voor

experimenten in de publieke sector.

Er is veel data in de publieke sector.

En er zijn diverse maatschappelijke

uitdagingen in sectoren als zorg,

onderwijs, veiligheid en wonen

die zich lenen voor de toepassing

van AI. Het Strategisch Actieplan AI

toont ook de politieke wil om met

AI aan de slag te gaan.6 Toch blijkt

het moeizaam om op AI gebaseerde

oplossingen in de publieke sector te

lanceren. Niet zo lang geleden heeft

de rechter een AI toepassing voor

fraudebestrijding stopgezet.7

Of het nou om zelflerende

algoritmen of ‘statische’ data-

analyses gaat, zodra oplossingen

het label AI krijgen, ontstaat

wantrouwen. Mensen zijn bezorgd

over privacy, de vooringenomenheid

van algoritmen en mogelijk misbruik

door organisaties. AI-oplossingen

worden daarnaast gekenmerkt door

hun ondoorzichtigheid (black box)

— naarmate de algoritmen meer

leren wordt het voor mensen steeds

onduidelijker hoe de algoritmen

leren. Daarmee kunnen de

fundamentele rechten van mensen

in het geding komen. Vind dan nog

maar een bestuurder die durft achter

een AI oplossing te staan. Hier komt

de catch 22: als niemand het durft

te experimenteren, kunnen we niet

leren hoe we AI wel effectief kunnen

ontwikkelen en inzetten. En als

we niet zelf leren en ontwikkelen,

komt de technologie steeds meer

uit andere delen van de wereld

waar andere normen en waarden

prevaleren.

Bij Digicampus hebben we in

samenwerking met de Data

Science Initiative dit dilemma

vanuit een experimenteer- en

leerstrategie aangepakt waarbij

‘open’ het sleutelwoord is.

Vanuit de driehoek: overheid,

wetenschap en markt zijn we gestart

met een AI (machine learning)

experiment op basis van open en

gestandaardiseerde publieke data

over het onderwijsdomein. Hiervoor

wordt een open source AI applicatie-

ontwikkeltool gebruikt.8 De datasets,

applicaties, instructies, toegepaste

data-analysetechnieken en resultaten

staan openbaar op Gitlab en zijn

voor iedereen toegankelijk en te

gebruiken.9 Met deze bottom-up

benadering leren we wat mogelijk is

en wat niet.

Tot dusver hebben we geleerd dat

je met een gestandaardiseerde

open dataset en open source

tooling binnen een dag zelflerende

algoritmes kunt ontwikkelen. Het


automatisch laten classificeren van

typen onderwijsinstellingen gaat

behoorlijk accuraat. Algoritmen

doen dit veel sneller dan de mens.

Maar het automatisch herkennen

van patronen op basis van regressie

analyses lukt (nog) niet. De

experimenten lopen nog tot juni

2020. Deze werkwijze gaan we

ook toepassen op open data uit het

woondomein. Hierna verkennen we

samen met de partijen in de hele

dataketen de wensen voor nieuwe

experimenteren.

Op basis van de geleerde lessen

kunnen we — mits er een duidelijke

behoefte is — in de toekomst

gaan experimenteren met fictieve

persoonsgegevens (dummy data).

Hierbij is de driehoek niet genoeg,

we moeten naar een vierhoek

waarmee burgers/gebruikers vanaf

het begin betrokken zijn en direct

een stem hebben bij het ontwerpen

van een AI toepassing.

Via methoden als value sensitive

design 10 kunnen we met elkaar

de ethische vraagstukken rond

de toepassing van AI scherp

krijgen. Het is essentieel om vooraf

publieke waarden in het ontwerp

van oplossingen te borgen (public

values in design). Tot slot: als je de

werking van een AI oplossing niet

kunt uitleggen gaan de meeste

mensen het niet accepteren.

Alleen door transparant te zijn en

mensen te betrekken kunnen we de

ontwikkeling van AI toepassingen

ten gunste voor de samenleving

versnellen.

1 Voorbeelden van AI technologieën: Natural Language Processing, Expert Systems, Machine Learning, Deep Learning, Gezichts- en emotieherkenning. Deze vormen van AI overlappen en zijn niet altijd van elkaar te onderscheiden, doordat de onderliggende technologieën en algoritmes overeenkomen.

2 Zie o.a.: Mohanty en Vyas (2018) How to Compete in the Age of Artificial Intelligence: Implementing a Collaborative Human-Machine Strategy for Your Business. Apress.

3 Nationale AI Coalitie: www.nlaic.com/wp-content/uploads/2020/03/Verantwoord-datadelen-voor-AI.pdf

4 EC Data strategie: www.ec.europa.eu/info/strategy/priorities-2019-2024/europe-fit-digital-age/european-data-strategy_nl

5 EC AI strategie: www.ec.europa.eu/info/strategy/priorities-2019-2024/europe-fit-digital-age/excellence-trust-artificial-intelligence_nl

6 Strategisch Actieplan AI www.digitaleoverheid.nl/document/strategisch-actieplan-ai/

7 Stopzetting AI toepassing: www.nrc.nl/nieuws/2020/02/05/privacyvoorvechters-krijgen-syri-via-rechter-verboden-a3989471

8 Weka: www.cs.waikato.ac.nz/ml/weka/

9 www.gitlab.com/digicampus/ai-workbench

10 Zie o.a. online college Prof. Jeroen van den Hoven www.ocw.tudelft.nl/course-lectures/7-1-introduction-value-sensitive-design/

www.nlaic.com/wp-content/ uploads/2020/03/Verantwoord-datadelen-voor-AI.pdf

www.ec.europa.eu/info/strategy/ priorities-2019-2024/europe-fit-digital-age/european-data-strategy_nl

www.ec.europa.eu/info/strategy/ priorities-2019-2024/europe-fit-digital-age/excellence-trust-artificial-intelligence_nl

www.digitaleoverheid.nl/ document/strategisch-actieplan-ai/

www.nrc.nl/nieuws/2020/02/05/ privacyvoorvechters-krijgen-syri-via-rechter-verboden-a3989471

www.cs.waikato.ac.nz/ml/weka/

www.gitlab.com/digicampus/ai-workbench

www.ocw.tudelft.nl/course-lectures/7-1-introduction-value-sensitive-design/


Dit is niet de zoveelste ‘praatclub’ benadrukt hij. “Dit is een plek waar gewerkt wordt en waar zoveel mogelijk publieke en private partijen bij elkaar komen om kennis en kunde over AI te delen.”

Van der Klauw ziet de overheid eigenlijk als een bedrijf. “Ik denk dat het goed is om er op die manier naar te kijken. De coronacrisis laat eigenlijk al zien dat dat de overheid heel goed kan werken als een bedrijf dat de klant, de burger, centraal stelt.” Met deze insteek meent Van der Klauw ook dat - net als bij andere bedrijven - AI gebruikt kan worden om bedrijfsprocessen te verbeteren. “Je kunt dat doen door sec naar administratieve of financiële processen te kijken. Echter, AI kan ook worden ingezet om de relatie met de burger te verbeteren, door nog betere dienstverlening. Natuurlijk mag je ook als overheid je klant aangenaam verrassen, dus ga vooral op zoek naar nieuwe proposities waar de burger écht wat aan heeft.”

Data = brandstof

Data is de brandstof waar het allemaal om draait, bij AI. De overheid beschikt over enorm veel waardevolle publieke en niet-publieke data. “Daar moeten we wat mee als overheidsbedrijf,” vindt Van der Klauw. “Ook hier laat de coronacrisis weer zien dat we het verantwoord gebruik van data als overheid niet links kunnen laten liggen. Door data weten we waar brandhaarden zijn, waar logistiek verbeterd moet worden en waar meer hulp nodig is. Alleen met al deze gegevens kan de overheid de coronacrisis managen.”

Dat AI breder ingezet moet worden is gewoon onvermijdelijk volgens Van der Klauw. “Mits we AI zien als middel. Het is natuurlijk geen doel op zichzelf. Ik ga hier niet zeggen dat AI de oplossing is voor alles. Wel dat het samenwerken aan nuttige en veilige AI-oplossingen hard nodig is, dus dat doen we met de Nederlandse AI Coalitie.”

Geen vluchtige voorbijgangers

NL AIC is formeel van start gegaan in oktober 2019. “Informeel waren we al actief vanaf 2018, na de presentatie van het AINED rapport. Sinds de formalisatie die samenviel met de presentatie van het Strategisch Actieplan AI voor de Rijksoverheid groeien

we hard. We zijn begonnen met zo’n zestig first movers en ondertussen heeft NL AIC driehonderd deelnemers.”

Van der Klauw benadrukt dat al deze partijen actief deelnemen. Omdat zij nut en noodzaak zien van de inzet van AI en het experimenteren ermee. “Alle publieke en private partijen snappen het belang en zijn toegewijd. Deze partijen zien ook dat de Verenigde Staten en China al lang op hun eigen manier hard investeren in AI. Europa en vooral Nederland kan dan niet achterblijven met een eigen beleid. We hebben hier al veel inhoudelijke kennis op het gebied van AI. Daarnaast is er ook nog eens veel domeinkennis, op bijvoorbeeld gebieden als Agrifood.”

Vergeet die burger niet

Het doel van de NL AIC is om alle kennis en mogelijkheden te organiseren op het gebied van AI. Dat kan alleen door in de praktijk initiatieven te ontwikkelen, vindt Van der Klauw. “De deelnemers werken hard aan onderzoeken én boeken resultaten. Van onderwerpen als het delen van data, innovatie en research tot en met maatschappelijke acceptatie; alles wordt aangepakt. Daarbij moeten we één ding niet vergeten: de burger.”

Bij grote innovaties wordt vaak gesproken van een samenwerking tussen de triple helix. Hierbij trekken overheid, bedrijfsleven en wetenschap samen op, voor het beste resultaat. “Goed model hoor,” vindt Van der Klauw. “Maar wij voegen daar dus nog een vierde partij aan toe, de mens, de burger. Dan krijg je dus een quadruple helix, die essentieel is voor duurzaam succes”

Niet versnipperen, maar experimenteren en investerenNL AIC is dé plek waar iedereen binnen de quadruple helix moet zijn, vindt Van der Klauw. “We stellen nu bijvoorbeeld een menukaart op, met alle onderzoeken en alle publieke en private initiatieven op het gebied van AI. Zo kunnen bedrijven en overheden makkelijk aansluiting vinden. Hopelijk kunnen we dan ook nog een investeringsfonds realiseren, zodat we samen doelgericht verder kunnen ontwikkelen.”

Opinie Kees van der Klauw Manager van de Nederlandse AI Coalitie

Driehonderd deelnemers aan de Nederlandse AI Coalitie: dat zijn geen toeristen, maar toegewijde partners

Data is de brandstof waar het allemaal om draait, bij AI. De overheid beschikt over enorm veel waardevolle publieke en niet-publieke data.

“”


Ilonka Novák en Peter Vermeulen vertellen over de AI pilot ‘digitale assistent voor kamervragen’ bij SZW. “AI is soms nogal een buzzword dat overal om ons heen wordt gebruikt. Tegelijkertijd lijkt het gebruikt van AI nog heel ver af te staan van het dagelijkse werk,” vindt Vermeulen. “Voor deze pilot zijn we dan ook begonnen met de vraag: hoe kunnen we die kloof verkleinen?”

Dicht bij de dagelijkse

werkwereld

Novák en Vermeulen zijn daarom

op zoek gegaan naar onderwerpen

die heel nauw aansluiten bij de

mensen die dagelijks werken bij het

departement. “Zo leer je ook wat

AI betekent in de praktijk,” vertelt

Novák. “Je haalt een beetje de

magie eraf; je kunt het onderwerp

AI demystificeren. Ons werk gaat

sowieso heel anders worden en

digitale assistenten worden overal

ingezet. Met deze pilot kunnen we

daar vast aan wennen.”

“Veranderingen gaan namelijk niet

van vandaag op morgen,” voegt

Vermeulen toe. “Maar het is wel erg

interessant om nu al te zien wat de

potentie is. Zeker als je gedurende

het ontwikkelproces telkens blijft

kijken wat beter kan, of aangenamer.

Als de beleidsmedewerker bij zijn

werk ondersteund wordt door AI,

verhoogt dit misschien wel het

werkgeluk?”

PILOT AI: DIGITALE ASSISTENT VOOR HET BEANTWOORDEN VAN KAMERVRAGEN

“We zijn op zoek gegaan naar een toepassing die heel dicht bij de beleidsmedewerkers ligt”

AI heeft de potentie om eindeloos veel problemen op te lossen. Maar, hoe zorg je nou dat AI ingezet wordt op een manier die ook tastbaar en bruikbaar is voor mensen? Het ministerie van Sociale Zaken en Werkgelegenheid (SZW) gaat hiermee aan de slag.

Samen op zoek naar AI-

oplossingen die er toe doen

Wat Vermeulen en Novák ook

waardevol vinden aan deze pilot

is dat dit samen gebeurt met

andere overheidsorganisaties.

“Hierdoor kunnen we van elkaar

leren en dat brengt een pilot in een

stroomversnelling,” stelt Novák.

“Dat is super waardevol. Samen

met organisaties als de TU Delft, en

het CBS kunnen we op zoek naar

oplossingen die ertoe doen.”

De keuze om deze pilot te richten

op een AI-toepassing voor het

beantwoorden van kamervragen

is een logische volgens Vermeulen

en Novák. “Het gebruik kan direct

tijdwinst en gemak opleveren

voor beleidsmedewerkers. De

beleidsmedewerker formuleert

uiteindelijk zelf het antwoord,

het politieke aspect is en blijft

mensenwerk.”


Het werk van beleidsmedewerkers

bestaat voor een deel uit het

beantwoorden van kamervragen.

Maar, het zoekwerk kan met de

AI-assistent een heel stuk sneller

volgens Novák. “Met deze oplossing

worden beleidsmedewerkers dus

niet vervangen door ‘een robot’,

maar hebben ze meer ruimte om het

echte werk, het beantwoorden van

de vragen, uit te voeren.”

Veel verder dan alleen zoeken op

steekwoorden

De AI-assistent voor het

beantwoorden van kamervragen

helpt vooral bij het doorzoeken

van alle openbare bronnen. “Dat

gaat met de inzet van AI veel

verder dan alleen een zoekmachine

die steekwoorden kan vinden,”

benadrukt Vermeulen. “AI kan

bijvoorbeeld hele zinnen scannen en

steeds beter leren wat relevant is en

wat niet.”

Tot nu toe verloopt de pilot

succesvol. “We zijn op zoek naar

een mogelijke leverancier voor de

volgende fase van het experiment:

het testen”. Ondertussen

inventariseren Novák, Vermeulen

en hun team waar de behoefte

ligt van de medewerkers; waar ze

tegenaan lopen en wat hen nou

écht zou helpen bij de uitvoering

van hun werk. “Natuurlijk kijken

we ook naar de ethische kant,”

vertelt Vermeulen. “Maar die is

hier eigenlijk niet zo spannend, we

doorzoeken informatie die openbaar

is en geformaliseerd. En natuurlijk

blijft de beleidsmedewerker

verantwoordelijk voor de

beantwoording die aan de minister

wordt voorgelegd.

Wat we straks willen testen is of de

digitale assistent ook daadwerkelijk

het zoekproces versnelt en of de

beleidsmedewerker zich ontzorgd

voelt bij het zoekproces. Als dat het

geval is dan biedt dat voordelen

voor beleidsmedewerkers, niet

alleen bij SZW maar ook bij andere

departementen.

Het werk van beleidsmedewerkers bestaat voor een deel uit het beantwoorden van kamervragen. Maar, het zoekwerk kan met de AI-assistent een heel stuk sneller volgens Novák.

“

”

Instituut voor Dataverzameling en Onderzoek

Opgericht: 1996Aantal medewerkers: 42- 40% met een PhDKantoor: Campus van

Tilburg University (TiU)

• Onafhankelijke stichting voor dataverzameling en toegepast sociaal-economisch onderzoek

• Verbonden met TiU, het Data Science Center Tilburg (DSC/t) en de Jheronimus Academy of Data Science (JADS)

• Wetenschappelijk georiënteerd en data-gedreven

• Beheert het LISS panel; online surveys met 5000 huishoudens representatief voor de NL-talige bevolking

Unique Selling Point (USP)Data Science @ CentERdata heeft een grote expertise op het gebied van toegepaste data science, machine learning, en AIen combineert deze expertise vaak met gedragsbeïnvloeding en andere technieken van gedragswetenschappen.

Project met overheid:CentERdata voert data-gedreven arbeidsmarktonderzoek ICT met topsectoren uit in samenwerking met het ministerie van EZ en met steun van een DWSRA subsidie van het ministerie van SZW. Het doel van dit arbeidsmarktonderzoek is om met behulp van de nieuwste data science-technieken helder te krijgen wat de precieze impact is van digitalisering op de huidigeberoepsbevolking. Aan de hand van rond de 8 miljoen vacatureteksten wordt via text analytics achterhaald wat de beste overgangsberoepen zijn.

PARTNER VAN HET AI INNOVATRAJECT


Ariea Vermeulen is coördinator drones bij Rijkswaterstaat. Volgens haar biedt de inzet van drones samen met AI, veel potentie voor de inspectie en het onderhoud van objecten van Rijkswaterstaat. Hoe pas je dit toe in de praktijk? Vermeulen en haar team zoeken dat uit door middel van een praktische pilot.

Het doel van deze pilot

Er is veel materieel en (menselijke)

capaciteit nodig voor de inspectie

van bruggen en viaducten. “Deze

zogenaamde inspectielast willen we

reduceren met de inzet van drones,”

vertelt Vermeulen.

Het uiteindelijke doel van

Rijkswaterstaat is om in 2021

alle bruggen en viaducten met

‘dronepotentieel’ ook daadwerkelijk

met een drone te inspecteren. De

uitvoering hiervan gebeurt door

marktpartijen, maar de data is van

Rijkswaterstaat. “We zien hier enorm

veel mogelijkheden, maar we zijn

nog wel op zoek naar een manier

waarop we drones structureel

kunnen inzetten in de dagelijkse

operatie van Rijkswaterstaat.” Ook

de gestructureerde opslag van data

en het juiste gebruik moet nog beter

worden geregeld.

Kijken naar wat kan en wat niet

kan

Het gaat bij een pilot als deze

natuurlijk niet alleen om ‘successen

PILOT RIJKSWATERSTAAT: INSPECTIE BRUGGEN MET DRONES

Hoe Rijkswaterstaat drones hele slimme dingen laat doen

Dagelijks inspecteert Rijkswaterstaat bruggen en viaducten en dat is grotendeels mensenwerk. Maar wat gebeurt er als drones en AI worden ingezet om inspecties uit te voeren? De veiligheid en de efficiëntie nemen sterk toe en de kosten nemen af.

boeken’, maar we willen ook inzicht

in wat niet kan,stelt Vermeulen. “We

verkennen dus zowel mogelijkheden

als onmogelijkheden. Dat gaat over

de inspectie met drones zelf, maar

ook over hoe nauwkeurig AI de

gebreken automatisch herkent.”

Uiteindelijk zal de pilot aantonen

wat de meerwaarde is van de inzet

van AI en Drones. “We kijken echt

naar resultaten die in de praktijk

goed toepasbaar zijn en leiden tot

betrouwbare inspectieresultaten.”

Veiligheid voor alles

Eén van de voordelen is dat de inzet

van drones de veiligheid verhoogt,

vindt Vermeulen. “Er hoeven

bijvoorbeeld geen hoogwerkers en

pontons meer worden ingezet. Tel

daar lagere kosten en een betere

bereikbaarheid bij op en de inzet

van drones is snel heel kansrijk.”

Vermeulen is enthousiast. “Zeker

als je bedenkt dat een drone veel

minder verkeersstremmingen

veroorzaakt. Als je dat verder

doortrekt scheelt het dus ook nog in

de CO2-uitstoot.”


Tegelijkertijd komen er nieuwe

vraagstukken aan het licht

Deze werkwijze levert in de praktijk

nieuwe vraagstukken op, die vooral

gaan over governance. “We zijn nu

aan het kijken wat de verhouding

hierbij is tussen publieke en private

inzet van mensen en middelen.

Oftewel, wat willen we zelf doen en

wat kunnen we beter uitbesteden.”

Ook omtrent databronnen rijzen

een aantal vragen, constateert

Vermeulen. “Hoe stellen we

bijvoorbeeld de standaarden

vast voor deze data, zeker omdat

we met verschillende partijen

werken zal data op een eenduidige

manier verzameld, bewerkt en

opgeslagenmoeten worden. Maar

ook iets schijnbaar eenvoudigs

als het bewaren van de data moet

bepaald worden; voegen we

deze toe aan bestaande of nieuwe

databronnen?”

Deze extra vragen zijn sowieso al

een heel waardevol resultaat van de

pilot, vindt Vermeulen. “Daarbij staat

kwaliteitscontrole natuurlijk voorop.

De kwaliteit van de algoritmen zelf,

maar ook van de marktpartijen waar

we mee samenwerken moet worden

vastgesteld.”

Automatische opsporing gaat

verder dan bruggen en viaducten

Wat Vermeulen betreft kan de inzet

van AI op deze manier nog veel

verder gaan dan de huidige pilot bij

Rijkswaterstaat. “Deze werkwijze

kan natuurlijk ook ingezet worden

in allerlei sectoren, zowel in de

publieke als de private sector. Als dit

werkt gaat dat heel veel efficiency en

veiligheid brengen bij bijvoorbeeld

de inspectie van chemische industrie

maar ook in de energiesector bij

windmolens of stuwdammen en in

de gewone woningbouw.”

Het uiteindelijke doel van Rijkswaterstaat is om in 2021 alle bruggen en viaducten met ‘dronepotentieel’ ook daadwerkelijk met een drone te inspecteren.

“

”

Slimme Politieke Monitor

Opgericht: 2017Aantal medewerkers: 8 Kantoor: Amsterdam

Polpo levert met behulp van kunstmatige intelligentie geautomatiseerd relevante politieke informatie. De slimme filtering en analyse is mogelijkdankzij uniek begrip van politieke context.

Project met overheid:

Een overheidsinstantie zet Polpo in om gemakkelijk op de hoogte te blijven van nieuwe politieke informatie. Met het platform komen bijvoorbeeld relevante kamervragen overzichtelijk binnen. Daarnaast biedt Polpo inzicht in de historie rondom dossiers.



Scan om video te bekijken

Let op: veel werk aan de winkel

“De eerste pilots met AI leveren

al prachtige resultaten op:

hiermee kunnen we daadwerkelijk

onderhoud aan bruggen en

sluizen voorspellen. Maar er is nog

veel meer werk aan de winkel,”

waarschuwt Westdorp. “Om dit in

de praktijk in te zetten, vergt een

hele andere werkwijze. We gaan de

komende tijd dan ook gebruiken

om te kijken naar de beste aanpak

voor voorspelbaar onderhoud bij

Rijkswaterstaat. Van aannemers,

tot het verrekenen van kosten en

het afsluiten van contracten; alles

wordt doorgelicht en waar nodig

aangepast.”

Is meten wel altijd weten?

In deze pilot gaat het vooral om

leren door te doen, vindt Westdorp.

“En dat is ontzettend leuk. Soms

ook verbluffend, want er rollen

verrassende resultaten uit het

systeem, die we in de praktijk

moeten testen. Klopt het dat die

motor nu al vervangen moet worden

als AI dat zegt? En wat kunnen we

eigenlijk met al die data die we

nu meten? Hebben we nog extra

data nodig, of kunnen we ook toe

met minder sensoren - we hebben

nog maar een fractie van de data in

gebruik die er beschikbaar is binnen

en buiten de organisatie.”

PILOT: RIJKSWATERSTAAT VITALE ASSETS

Veel voordelen én grote impact op de organisatie door AI

Voor nu wordt data bijvoorbeeld

gemeten per sluis. “Op een later

tijdstip kunnen we alle data van

verschillende sluizen met elkaar

combineren en nieuwe patronen

herkennen. Bijvoorbeeld hoe

we pompen zo inzetten, dat het

waterpeil optimaal blijft. Op die

manier leren we meer, door middel

van AI.”

Toekomst-proof

Het AI-model moet ook zo

ingezet worden dat het leert van

de wisselende omstandigheden

die zich kunnen voordoen. “In

Nederland zijn we tot nu toe

gewend aan een stabiele toevoer

van elektriciteit,” vertelt Westdorp.

“Dat lijkt een vast gegeven want

we zijn er al heel lang aan gewend.

In de toekomst kan dat echter

anders worden. Door andere, meer

duurzame vormen, van energie

kan de stabiliteit van de elektriciteit

veranderen. Het is fascinerend

hoeveel consequenties één zo’n

veranderende factor kan hebben. De

wisselende kwaliteit van elektriciteit

kan invloed hebben op gevoelige

apparatuur en dus uiteindelijk op

de hele onderhoudsvoorspelling.

Dit is één van de vele factoren die

in de toekomst anders kan zijn. Het

AI-model moet ook hiermee kunnen

(leren) rekenen.”

Het doel van deze pilot is om precies op het juiste moment, het nodige onderhoud uit te voeren. “Dat klinkt misschien simpel,” stelt Gilbert Westdorp van Rijkswaterstaat. “In de praktijk is het echter zoeken naar een manier waarop we een krachtige technologie als AI goed kunnen toepassen.” Maar techniek is slechts een klein onderdeel van deze innovatie: de organisatie moet ook een andere werkwijze omarmen.


Begin met je organisatie

Voorspelbaar onderhoud met AI

biedt zowel oplossingen, als nieuwe

uitdagingen voor een organisatie.

Enerzijds kan voorspelbaar

onderhoud nu al bijdragen aan een

praktisch probleem zoals het gebrek

aan goed geschoold technisch

personeel. De schaarse menskracht

kan met de AI-voorspellingen

veel efficiënter worden ingezet.

Anderzijds lijkt het voor mensen

die met de AI-toepassing moeten

werken, soms ook een soort black

box waar ‘zomaar’ wat gegevens

uitrollen.

“Het is hoe dan ook zaak om bij

je organisatie, aan de menskant

te beginnen als je AI succesvol

wilt toepassen,” vindt Westdorp.

“In het begin is het misschien

lastig en zien mensen niet altijd de

resultaten. Maar, als je transparant

bent en inzichten direct deelt met

je organisatie, zullen mensen zich

zeker gaan interesseren. Dit biedt

een scala aan mogelijkheden en we

staan nu nog aan het begin van een

uitermate interessant leertraject.”

In deze pilot gaat het vooral om leren door te doen, vindt Westdorp. “En dat is ontzettend leuk. Soms ook verbluffend, want er rollen verrassende resultaten uit het systeem, die we in de praktijk moeten testen.

“

”

Xenia, het software platform van Dutch Analytics, helpt bedrijven om Artificial Intelligence (AI) - algoritmes na ontwikkeling operationeel te maken, te beheren en te monitoren. Het idee achter de software is ontstaan uit de ervaring dat veelbedrijven moeite hebben om resultaten van data science projecten te implementeren in de organisatie.

Door gebruik te maken van Xenia kunnen bedrijven eenvoudig de stap zetten vandata science model tot schaalbaar eindproduct.

Opgericht: 2016Aantal medewerkers: 20Kantoor: Den Haag


ProRail heeft samen met Dutch Analytics een AI algoritme ontwikkeld welke gebruikt maakt van Internet of Things (IoT) data en weerdata om te detecteren of wisselverwarmings installaties nog goed functioneren.

Het Xenia platform van Dutch Analytics is gebruikt om het systeem binnen enkeledagen operationeel te maken.



Roel Bekker bekeek nieuwe technologie vooral top-down toen hij nog secretaris-generaal was voor de vernieuwing van de rijksdienst. Nu ziet hij dat anders.

“Innovatie komt idealiter vanaf de uitvoerende laag,” vindt Bekker. “Dat betekent ook dat Nederland niet altijd voorop hoeft te lopen qua innovatie. Want voorop lopen betekent vaak ook de mislukkingen incasseren.” Bekker werpt zijn blik op de implementatie van AI en andere innovaties bij en door de overheid.

Belang innovatie niet overschatten

“Kijk, ik ben over het algemeen terugblikkend wat sceptisch geworden over innovatie,” vertelt Bekker. Hij heeft zo’n twee jaar geleden een digitale tentoonstelling voor Binnenlandse Zaken samengesteld over 50 jaar vernieuwing. “Daar zag ik eigenlijk in dat we de betekenis van al die vernieuwing niet moet overschatten.”

Een belangrijk aspect daarbij is dat de overheid volgens Bekker eigenlijk nogal verander-resistent is. “Als je de overheid van nu vergelijkt met die van honderd jaar geleden dan zie je weinig verschillen. De vorm is hetzelfde, de ministeries ook en er is nog steeds bijna dezelfde organisatiestructuur aan de top. Er is wel veel veranderd in het beleid de afgelopen eeuw, maar de overheid, die is nog steeds hetzelfde.”

De stabiele overheidEr zijn mensen die het erg jammer vinden dat de overheid zo onveranderbaar blijkt. Maar Bekker is er daar niet echt één van. “Eigenlijk vind ik het ook wel fijn dat de overheid zo stabiel is.” In zijn boek ‘Dat had niet zo gemoeten’ blikt Bekker terug op wat er zoal mis kan gaan bij veranderingen in de overheid aan de hand van verhalen van 44 topambtenaren, Secretarissen-

Generaal en Directeuren-Generaal. “Daaruit blijkt dus dat wij als Nederlandse overheid nogal de neiging hebben om altijd haantje-de-voorste te zijn,” vertelt Bekker. “En dan kunnen ongelukken gebeuren, wanneer je te veranderlijk blijkt. Oftewel wanneer je innovaties te snel in de praktijk gaat testen. Kijk maar eens naar de lange lijst van mislukte automatiseringsprojecten die Nederland rijk is. Van die mislukkingen kun je natuurlijk leren, maar Nederland hoeft niet altijd vooraan te staan. We mogen ook best eens een pas op de plaats maken en afwachten tot elders een innovatie succesvol is ingezet.”

AI is bijzonder interessant, als het met beleid wordt

ingevoerd

“Alleen al de aard van AI, maakt dat het kwetsbare onderwerpen als privacy en veiligheid kan raken binnen de overheid,” vindt Bekker. “Onderschat de impact daarvan niet. Het is enorm interessante technologie met veel potentie, maar er moet nog veel gebeuren voor we echt zover zijn dat het overal en optimaal ingezet kan worden.”

Daarbij vindt Bekker dat de overheid voor AI oplossingen ook goed moet kijken naar het bedrijfsleven: “Als in een bedrijf iets misgaat, wordt dat over het algemeen veel sneller gecorrigeerd. Een bedrijf is veel eerder geneigd -en heeft veel meer mogelijkheden- om een project te stoppen als het niet zo succesvol is als gehoopt. Bij de overheid is dat niet zo eenvoudig: enorme investeringen, prestige en vertrouwen kunnen hiermee verloren gaan.”

Advies: laat die minister met rust

Bekker vindt dat voor innovatie ook, en misschien wel vooral, moet worden gekeken naar kleinere bedrijven. “Innovatie komt nooit uit de boardrooms van de grote bedrijven. En eigenlijk kun je de overheid vergelijken met een groot bedrijf, met in plaats van de boardroom een kabinet. Grote bedrijven kopen kleine bedrijven pas op, als hun innovatie geslaagd lijkt.”

Het is volgens Bekker belangrijk om afstand te houden van de dagelijkse gang van zaken van de overheid als innovaties nog in de testfase zijn. “Laat die minister zoveel mogelijk met rust, voor je het weet krijgt een innovatie ook nog een politieke betekenis. Dan worden de verwachtingen ineens veel te groot. Dat beperkt de ruimte die zo onontbeerlijk is voor innovatie.

Volgens Bekker is het omgekeerd wel zaak dat de overheid innovaties op de voet blijft volgen in de publiek private sfeer. Als een nieuwe techniek, zoals bijvoorbeeld AI, zich dan bewezen heeft, kan het eenvoudig en zonder al teveel risico’s en strubbelingen worden geïmplementeerd. ”

Opinie Roel Bekker Voormalig SG MinVWS en SG Vernieuwing rijksdienst

Dat had niet zo gemoeten

Het is volgens Bekker belangrijk om afstand te houden van de dagelijkse gang van zaken van de overheid als innovaties nog in de testfase zijn.

“”


Innoveren is soms vooral experimenteren. Maar hoe doe je dat als de zaken

waar je aan werkt hoogst vertrouwelijk zijn? Binnen de publieke sector wordt

er echter hard gewerkt aan het onderzoek naar praktische AI-oplossingen.

Met alle beperkingen van de vertrouwelijkheid, maar ook alle mogelijkheden

van dien.

De voortrekkers op het gebied van AI in de veiligheidssector schuiven aan

voor een lunch om ervaringen uit te wisselen. Door de coronamaatregelen

vindt dit online plaats, maar daardoor is de sfeer niet minder open. ‘Practice

what you preach’ lijkt het motto, want hier staan transparantie en het delen

van kennis voorop.

Aanjaagteam Ondermijning: Hoe kun je standaardiseren als de

tegenpartij steeds verandert?

PILOT: INTEGRITEIT BEDRIJVENTERREIN

Eén van de belangrijkste zaken voor een goed werkende en deelbare

AI, is de standaardisatie van data en processen. Dat onderschrijft ook mr.

George Rasker, hij is programmadirecteur van het Aanjaagteam aanpak

ondermijning. “Er zijn veel AI-initiatieven in de publieke sector, ook omtrent

AI en veiligheid. Het is goed dat we daarvoor zoveel mogelijk met elkaar

samenwerken, ook buiten ons eigen kringetje.”

Op dit moment wordt regionaal (Rotterdam, project Holsteiner en vervolgens

ook landelijk gewerkt aan het project ‘Integere Bedrijventerreinen’. In

ZO DRAAGT AI BIJ AAN EEN VEILIG NEDERLAND:

“Als we hier samenwerken, leggen we de basis voor de infrastructuur”

AI heeft de potentie om bij te dragen aan de veiligheid van Nederland, zonder dat de overheid een soort van Big Brother wordt. Niet alleen om cyberaanvallen af te weren, maar ook (en misschien wel vooral) bij de opsporing en preventie van criminaliteit. Maar dan is er wel een goede infrastructuur nodig die dit mogelijk maakt.

DEELNEMERS

Aanjaagteam

Ondermijning

PILOT: INTEGRITEIT

BEDRIJVENTERREIN

George Rasker

Defensie/TNO

PILOT: SITUATIONAL

AWARENESS

Antoine Smallegange

TNO/Politie

PILOT: OPSPORING

ONVINDBAREN

Marleen Ribbens

NFI

PILOT: FIRE,

BEELDHERKENNING

Lisanne van Dijk

HSD

Joris den Bruinen

DSI

AI INNOVATIETRAJECT

Marloes Pomp


Nederland zijn 4400 bedrijventerreinen. “We gaan

kijken of we meer zicht kunnen krijgen op dit soort

plekken,” vertelt Rasker. “Het kunnen namelijk locaties

zijn die bij uitstek worden gebruikt voor illegale casino’s,

bordelen, witwaspraktijken, growshops voor de

hennepteelt of ontmoetingsplaatsen voor criminelen.

Als we de kenmerken van dit soort ondermijning kunnen

vaststellen, kan AI helpen met het herkennen ervan. Zo

werken we toe naar integere bedrijventerreinen.

Deze insteek van het project betekent dat er

ook gekeken wordt wat er mogelijk is aan

gegevensuitwisseling, binnen de weten regelgeving.

“We werken voor de pilot samen met allerlei partijen,

tot en met het Kadaster aan toe. Maar ook de

(geautomatiseerde) analyse van bedrijfsprocessen zou

hier natuurlijk bij kunnen helpen.”

Standaardisatie van data is iets waarover goed

nagedacht moet worden vindt Rasker: “Standaarden zijn

prima, maar de belangrijkste vragen zijn daarbij wel wát

die standaard dan moet zijn en hoe die eruit moet zien.

Deze moet immers voor de integrale partners herkenbaar

en werkbaar zijn. Daarbij geldt dat onze tegenpartij

steeds zal zoeken naar een mogelijkheid die standaard

te omzeilen om zo uit beeld te blijven. Zij zullen constant

van werkwijze veranderen, om op nieuwe manieren

te ondermijnen.” Volgens Rasker is het belangrijk om

voor nu vooral te focussen op de toepassing van AI.

“We moeten daarbij ervaringen blijven uitwisselen. Zo

kunnen we van elkaar leren en processen zo inrichten dat

ze enerzijds standaardiseren, maar ook flexibel ingezet

kunnen worden bij een tegenpartij die steeds naar

nieuwe wegen zal zoeken om uit beeld te blijven.”

Defensie/TNO: Geen gevechtsrobots, maar wel

duidelijke informatie

PILOT: SITUATIONAL AWARENESS

Overzicht en uitwisseling van data zijn belangrijk, dat

onderschrijft ook Antoine Smallegange als consultant

vanuit TNO bij Defensie. “Maar je moet organisaties

en mensen dan wel meekrijgen. Kijk naar een grote

organisatie als Defensie, daar kun je een nieuwe

werkwijze ook op basis van AI niet zomaar introduceren.

Mensen gaan pas overstag als de techniek nuttig is en

organisatie en mensen klaar zijn om er effectief gebruik

van te maken. Dat betekent investeren in het human

captial”

Onlangs heeft Defensie een Chief Data Officer

aangesteld, volgens Smallegange is dat een hele goede

stap. “Het laat zien wáár voor Defensie de prioriteit ligt.

De CDO kan zorgen voor overzicht en inzicht in de data

die voorhanden is bij Defensie.”

Niet alle uitdagingen op het gebied van AI zijn natuurlijk

specifiek voor Defensie, daar liggen mogelijkheden

volgens Smallegange. “Het is natuurlijk ook een

organisatie die bijvoorbeeld net als andere een

personeels- of financiële administratie voert. Op dit

soort specifieke onderwerpen sluiten we graag aan bij

anderen.”

Binnen Defensie zelf wordt onderzocht hoe AI kan

bijdragen aan ‘Situational Awareness’. “Dit is informatie

die nodig is om te weten welke persoon, of organisatie

je eigenlijk voor je hebt. AI helpt ook bij het analyseren

van deze informatie en zelfs bij het nemen van

besluiten.” De link naar robotica is dan al snel gelegd:

“Nee, we hebben het hier niet over gevechtsrobots

zoals sommigen denken,” vertelt Smallegange met een

brede glimlach. “Deze robotsystemen zullen we vooral

inzetten voor bijvoorbeeld het opruimen van mijnen of

voor verkenning, de dull, dirty and dangerous taken.”

Het allerbelangrijkste bij de inzet van AI, volgens

Smallegange? “Laten we vooral niet het doel vergeten,

dat is om te kijken hoe AI onze (cyber) activiteiten kan

versterken en niet andersom.”

TNO/Politie: maak iets dat aansluit bij de

belevingswereld van de rechercheur

PILOT: OPSPORING ONVINDBAREN

Dat het doel duidelijk moet zijn, en de oplossing altijd

belangrijker is dan ‘enkel de inzet van de techniek’

onderschrijft ook Marleen Ribbens. Zij is hoofd

Onderzoek bij Politie Nederland en Deputy Business

Director National Security bij TNO. Doelgerichtheid


bij de inzet van AI betekent volgens Ribbens en de

richtlijnen van TNO niet dat het doel alle middelen

heiligt. “We willen juist alle uitdagingen adresseren

om de innovatie omtrent AI te kunnen versnellen.

De belangrijkste AI-uitdagingen zijn volgens ons de

naleving van privacy en ethiek, het leren van beperkte

datasets, het veilig delen van data, de samenwerking

tussen mens en machine en het zorgen voor transparante

AI.”

Die uitdagingen zijn niet gering, maar alleen door deze

(in de praktijk) te onderzoeken kan er ook gekeken

worden naar oplossingen, stelt Ribbens. “We richten

ons bij onze AI-pilot vooral op beslisondersteuning van

rechercheurs. Hoe kun je bijvoorbeeld met AI zaken al

in een vroegtijdig stadium analyseren? Hiervoor hebben

wij het systeem QUIN ontwikkeld, dat zich richt op

het opsporen van de zogenaamde ‘onvindbaren.” In

Nederland zijn zo’n 1100 mensen zoek, die hun straf nog

moeten uitzitten. Dit is een lastige en tijdsintensieve klus.

“Voor rechercheurs is dit een grote belasting en waar

moet je beginnen? Daar helpt QUIN bij. Omdat mensen

gewoontedieren zijn kun je ervan uitgaan dat zij voor een

beperkt aantal opties kiezen als ze op de vlucht zijn. Het

systeem geeft aan welke opties het meest waarschijnlijk

zijn en waar de soms beperkte opsporingsmiddelen het

beste ingezet kunnen worden.”

Een hele mooie samenwerking tussen mens en techniek,

vindt Ribbens. Samenwerking met anderen is ook wat

haar betreft belangrijk. “Maar het werkveld van de

nationale veiligheid is beperkt en we kunnen ook niet

al onze kennis ‘zomaar delen met het bedrijfsleven’ of

omgekeerd. Dat maakt het voor startups soms lastig

om mee te doen aan innovatietrajecten: de oplossing

die we bouwen is immers maar heel beperkt inzetbaar.

Oftewel niet altijd even lucratief als een oplossing die

grootschalig ingezet kan worden”

Het meest interessante aan dit traject vindt Ribbens

vooral dat je de kracht van een AI systeem in

samenwerking met de mens niet moet onderschatten.

“Het zit ‘m echt in die samenwerking tussen mens en AI,

en die krijg je alleen als je iets maakt dat aansluit bij de

belevingswereld en de kennis van de gebruiker, in dit

geval de rechercheur.”

NFI: klassieke statistiek en AI zijn een goede match

PILOT: FIRE, BEELDHERKENNING

Het Nederlands Forensisch Instituut (NFI) staat vooral

bekend om het meest zichtbare deel van het forensische

onderzoek. De mannen en vrouwen in ‘witte pakken’.

“Maar ons werkveld gaat natuurlijk veel verder dan

dat,” vertelt Lisanne van Dijk. In principe hebben

we drie kerntaken. Ten eerste het onderzoeken van

zaken voor politie en OM, daarbij doen we ook de

research en development voor het ondersteuning van

zaakonderzoek. Tot slot zijn we verantwoordelijk voor

kennisuitwisseling en onderwijs op deze onderwerpen.”

Het NFI biedt daarbij ook data ondersteuning bij

andere delen van de overheid. “De klassieke statistiek

die bij ons werkveld hoort, past daar goed bij. Ook in

combinatie met AI. Vooral ‘explainable AI’ is belangrijk,

dus AI waarbij uitgelegd wordt wélke data precies wordt

gebruikt en hoe deze bijvoorbeeld gewogen wordt in

een algoritme.”

Eén van de AI-projecten bij NFI is op dit moment de

automatische herkenning van beelden. Het FIRE-

systeem (Forensic Image Recognition) is er op gericht

om opsporingsmedewerkers te ontlasten. “Je kunt je

natuurlijk van alles voorstellen bij beeldherkenning,

maar voor we dit overal in kunnen zetten beginnen

we met een paar afgekaderde velden. Bijvoorbeeld

de herkenning van zeecontainers: kunnen we AI leren

om containers te herkennen die potentieel een illegale

lading hebben?”

Voor de herkenning van dit beeld worden enorme

hoeveelheden gegevensdragers en data worden

geanalyseerd. “Als dit lukt, dan kunnen we misschien wel

maanden mensenwerk terugbrengen naar een paar uren

met behulp van AI,” vertelt Van Dijk enthousiast. Maar zo

ver is het nog niet. “We moeten nu eerst kijken naar hoe

we datasets kunnen samenstellen, opslaan en gebruiken.

Daarbij is er natuurlijk een juridische uitdaging. Het is

erg goed dat we aan regels gebonden zijn, maar het zou

wel interessant zijn als we een oplossing kunnen vinden

waar alle veiligheidsdiensten samen gebruik van kunnen

maken.”


HSD: Continue investering is noodzaak, kijk maar

naar Silicon Valley, of Brainport

Alle die hiervoor omschreven ambities en uitdagingen

binnen de veiligheidssector onderschrijft Joris den

Bruinen. Hij is algemeen directeur van het nationale

veiligheidscluster The Hague Security Delta (HSD).

HSD fungeert als een ecosysteem voor dit soort

ontwikkelingen in de crossover van maatschappelijk

thema veiligheid en emerging technologies zoals AI.

Omdat we binnen het veiligheidsdomein specifiek te

maken hebben met publiek private consortia spelen hier

vragen over data en IP eigenaarschap. De problematiek

is dat je als bedrijven gedurende het proces veel kennis

inbrengt en niet altijd duidelijk omschreven kan worden

van wie dat IP was en is.

Dat is een ingewikkeld vraagstuk, zeker omdat hierbij

op een maatschappelijk vraagstuk met ‘use cases’ vanuit

de overheid, samengewerkt wordt met commerciële

partijen.”

De belangrijkste kwestie is echter dat er geïnvesteerd

blijft worden in de ontwikkeling vindt Den Bruinen.

“Voor de technische, juridische en ethische

vraagstukken omtrent AI kunnen we op termijn

vast oplossingen vinden. Als we daar maar genoeg

menskracht en techniek op inzetten. Net als in Silicon

Valley, of wat meer lokaal Brainport in Eindhoven,

betekent het echter wel dat hier geld voor nodig is. Niet

alleen voor quick fixes, maar ook voor de lange termijn.

Er moet nu en in de toekomst geïnvesteerd worden om

van AI één van de technieken te maken die kan bijdragen

aan een veilig Nederland.”

DSI: Blijf elkaar zoveel mogelijk helpen, vooral met

de vraag ‘hoe begin ik met een AI project?’

AI INNOVATIETRAJECT

Ook Marloes Pomp, verantwoordelijk voor de

internationale strategie van NL AIC, is het hiermee eens.

“Wat mij vooral opvalt aan al deze pilots en initiatieven

binnen de veiligheidssector is dat er enorme behoefte

is om meer data en AI toepassingen met elkaar te

delen. Dat blijkt uit eigenlijk alle pilots die we binnen de

publieke sector hebben ingezet. Neem bijvoorbeeld

de vragen die de politie heeft over de opslag en het

gebruik van beeldmateriaal. Diezelfde vraag speelt

ook bij de inspectie van bruggen en viaducten door

Rijkswaterstaat. Het is enorm belangrijk dat we elkaar

met dit soort praktische zaken op weg helpen. De

belangrijkste vraag waar je je collega’s binnen de

publieke sector wellicht mee kunt helpen is niet eens

het beantwoorden van technische vragen over AI. Maar

wel de schijnbaar zo simpele vraag ‘hoe start je samen

een AI-project?’ Pomp moedigt de deelnemers aan om

zoveel mogelijk over de pilots en werkwijze te delen.

“Het is niet altijd eenvoudig, maar de lessen die we

hieruit leren, kunnen anderen helpen om te versneld te

leren.”

AI VREDESPALEIS

Verder geeft Pomp aan dat, om de samenwerking in het veiligheidsdomein te stimuleren, een groot aantal organisaties (waaronder het ministerie van JenV, de Nederlandse AI Coalitie, CLAIRE, de Nationale Politie, en het Nederlands Forensisch Instituut) werken aan de realisatie van een internationaal forum voor AI, vrede, recht en veiligheid onder de werktitel: Het AI vredespaleis. Het initiatief is onderdeel van de investeringsagenda van de Nederlandse AI Coalitie.

“De missie van het forum is om bij te dragen aan de ontwikkeling van Europa tot eerste intelligente, rechtvaardige en veilige AI-samenleving in de wereld,” vertelt Pomp enthousiast. “We doen dat door een innovatie ecosysteem van internationale allure te creëren op het gebied van AI, vrede, recht en veiligheid in Nederland - en door ons land te verbinden met de wereldtop op die terreinen.”

Een fundamenteel uitgangspunt voor het forum is dat AI (net als iedere nieuwe technologie) niet een autonoom verschijnsel is, maar dat de toepassing van nieuwe technologie mensenwerk is, waar volop keuzes in gemaakt worden. “Onze keus is om AI te ontwikkelen die publieke waarde te creëren in de domeinen


vrede, recht en veiligheid,” stelt Pomp. “Dat is het achterliggende doel van het Nederlandse AI beleid en van de Nederlandse AI Coalitie. Het forum zal daar invulling aan geven gericht op vrede, recht en veiligheid.”

HET FORUM ZAL ZICH FOCUSSEN OP DRIE DINGEN:

a. Innovatieprojecten en -programma’sHet forum initieert en ondersteunt innovatieprojecten op het gebied van data science en artificial intelligence, gericht op vrede, recht en veiligheid. Doet gebeurt in wisselende project-allianties van universiteiten, hogescholen, kennisinstellingen, internationale organisaties, overheden (Europees, nationaal, provinciaal, regionaal, gemeenten) en bedrijven.

b. Governance programma’sParallel aan deze innovatieprojecten brengt het forum partijen bijeen om de governance vorm te geven van deze volgende technologische doorbraak, en hoe die governance uiteindelijk vastgelegd moet worden in het recht en de bijbehorende institutionele borging.

c. Maatschappelijk debatEen onmisbaar element in het bij elkaar brengen van technologische ontwikkeling is het maatschappelijk debat.

De focus ligt op AI innovatieprogramma’s, toegepast onderzoek en onderwijs, uiteraard op een verantwoorde en maatschappelijk geaccepteerde wijze. Het topforum zorgt voor het aantrekken en behouden van cruciaal en excellent talent en het aantrekken van (Europese) fondsen en investeringen.

“Om het AI Vredespaleis verder vorm te geven zal er binnenkort een virtuele studiereis georganiseerd worden naar diverse gerenommeerde AI instituten in Duitsland,

Zwitserland, Canada en de VS. Tijdens deze bezoeken hopen we nieuwe ideeën en samenwerkingen te kunnen opzetten,” aldus Pomp.

“Ons land heeft een bijzondere uitgangspositie, “ stelt Pomp. “Dat komt door het grote aantal internationale organisaties dat in ons land gevestigd is op het gebied van vrede, recht en veiligheid. We streven ernaar om dat verder uit te bouwen. Met organisaties als het International Criminal Court, Europol, Eurojust, NCI Agency en het Vredespaleis is ons land een sleutelspeler binnen Europa en daarbuiten. Nederland heeft een grote rol te spelen bij het invulling geven aan Artificial Intelligence vanuit het perspectief van vrede,

recht en veiligheid”, besluit Pomp.

Computer Vision, Machine Learning,Data Engineering, Predictive Analytics

Opgericht: 2016Aantal medewerkers: 5Kantoor: Amsterdam & Den Haag


Het inspecteren van oevers op erosie met behulp van luchtbeelden en kunstmatige intelligentie.



Nathalie Sessink-Kuiper vertelt over deze uitdagende pilot bij de gemeente Den Haag. Het doel is om data zo te analyseren dat mensen vooruit geholpen worden. Hiervoor is vooral het datamodel van belang: dat mag op geen enkele manier profileren op persoonlijke kenmerken.

De vraag: welke mensen kunnen

we helpen op weg naar werk

De context van deze pilot is

de vraag die kwam vanuit de

afdeling Sociale Zekerheid en

Werkgelegenheidsprojecten: ‘welke

mensen in ons klantenbestand

kunnen wij helpen op weg naar

werk?’.

“Het interessante aan deze vraag

is, dat we hier vooral moeten

kijken wat AI kan toevoegen aan

de SZW-professionals die zich nu

met dit soort vragen bezighouden.

Mensen met veel kennis en ervaring

- en sowieso veel inzicht in de

mogelijkheden die er voor hun

klanten zijn,” vertelt Sessink-Kuiper.

“De meerwaarde van AI zit ‘m dan

ook vooral in het zoekwerk om

mensen al in een vroeg stadium te

vinden en direct op weg te helpen.

SZW Den Haag heeft een bestand

met zo’n 22.000 mensen met een

langere afstand tot de arbeidsmarkt.

Het doel was om 500 mensen extra

te helpen met een afstand tot de

arbeidsmarkt. Met AI helpen we

zoeken naar de mensen voor wie de

weg naar werk kansrijk is.”

PILOT: BIJSTAND GEMEENTE DEN HAAG

Geen etiketten plakken, maar patronen herkennen

Met de inzichten uit deze AI-pilot gaat de Gemeente Den Haag kijken welke mensen vanuit een bijstandssituatie weer kunnen doorstromen naar werk. Het resultaat is een werkend model waarmee mensen verder geholpen worden, zónder ze op persoonlijke kenmerken te profileren.

Hoe maak je een selectie?

Veel mensen in het klantenbestand

van SZW hebben een meervoudige

problematiek. Dat maakt het

soms lastig om te bepalen waar

mogelijkheden liggen. “Ons eerste

doel was om de data het verhaal te

laten vertellen van deze mensen,”

vertelt Sessink-Kuiper .”Daarvoor

hebben we een doorsnede van het

bestand en vervolgens een selectie

gemaakt op basis van een aantal

criteria die we daarin vonden.”

Daarbij ging het team op zoek naar

andere voorbeelden van dergelijke

toepassingen, buiten de eigen

organisatie. Welke criteria werden

daar gebruikt en welke zouden ook

voor deze Haagse pilot geschikt

zijn? “We hebben heel kritisch

gekeken naar de variabelen die

we gebruiken en naar de data die

überhaupt beschikbaar is.”

Tijdens de pilot komt het team

erachter dat een combinatie van

datamodellen het beste werkt.

“CenterData heeft ons geadviseerd

om een combinatie van twee

modellen te gebruiken. Dit is de

absolute meerwaarde geweest van

het traject dat DSI ons aanbiedt.


We gaan nu een doorstart maken

met de nieuwe modellering. Door

twee modellen samen te gebruiken

kunnen we nu enerzijds meer

transparantie bieden en anderzijds

ook nog de voorspellende waarde

optimaliseren.”

Het resultaat: een lijst die in de

praktijk getoetst kan worden

In de praktijk is het mensenwerk, om

mensen te begeleiden naar werk.

“Maar met de eerste resultaten uit

de pilot proberen we de meest

kansrijke mensen aan te wijzen,”

stelt Sessink-Kuiper. “Zonder naar

de persoon te kijken, maar puur op

context. Of het nu een man of een

vrouw is, maakt voor het model dus

niet uit. Het criterium ‘alleenstaande

ouder met 5 kinderen’ kan echter

wel meegewogen worden met

kinderopvang als (extra) obstakel

voor full-time werk. Door obstakels

als patroon te kenmerken, kan dit

weer mogelijkheden bieden om tot

de juiste interventies te komen om

de weg naar werk te vinden. We

kijken naar de overeenkomsten,

naar patronen en daarop wordt de

selectie gemaakt.”

De resultaten van de AI-pilot geven

vooral inzicht. “Natuurlijk kent SZW

alle mensen in het bestand, maar

voor het maken van een zuivere

selectie, waarbij zoveel verschillende

factoren meespelen, is AI heel

geschikt. In de praktijk kunnen we

nu zien of deze vorm van zoeken

naar kansen door middel van AI,

ook echt bijdraagt aan de uitstroom.

We begrijpen de wensen van de klant en de techniek. Zijn een langdurige innovatiepartner en beginnen altijd met een klein project.

Opgericht: 2018,Aantal medewerkers: 7Kantoor: Delft


Voor de Provincie Zuid-Holland ontwikkelen we een voorspelmodel voor de wegkwaliteit, zodat wegonderhoud op een data-gedreven manier kan worden gepland. Dit verhoogt de wegkwaliteit en verlaagt de kosten.

We willen hiermee bereiken dat

mensen zo snel en zo goed mogelijk

geholpen worden. Door obstakels

proberen weg te nemen en in te

spelen op de mogelijkheden in

plaats van belemmeringen

De harde feiten zoals geslacht en

leeftijd staan vast. Maar de context

niet: denk aan een extra opleiding,

waarmee de arbeidskansen ineens

veel groter worden. Of een training

op bepaalde competenties. Al deze

inzichten bij elkaar maken dat mens

en AI samen een maatschappelijke

bijdrage kunnen leveren. Zónder

daarbij een etiket op iemand te

plakken.”



‘Betrouwbare, onafhankelijke data zijn een nutsvoorziening,” stelt Directeur Generaal Bert Kroese van het CBS. “We kunnen niet meer zonder, juist ook in deze periode. Met betrouwbare informatie ondersteunen wij ook de overheid bij de bestrijding van de coronacrisis. Datamanagement is dus niet langer ‘iets voor erbij.’ Het is een randvoorwaarde als we de verdere ontwikkelingen op een goede manier willen sturen en stimuleren. In de informatiesamenleving waarin ‘waarheid’, betrouwbare data en het veilig inzetten van data een groot goed is geworden, is een investering op regie en sturing nodig.”

Basis voor gelijkheid

Met de pilot eerlijke algoritmen

van het CBS wordt gezocht naar

een manier om geautomatiseerde

systemen zuivere beslissingen

te laten nemen. Dat is niet zo

eenvoudig zoals het lijkt, zo blijkt in

de praktijk.

Een groot Amerikaans bedrijf dacht

zo neutraal mogelijk personeel te

selecteren, door dit te doen met

een geautomatiseerd systeem.

In de praktijk bleek het systeem

echter een voorkeur te hebben

voor mannen boven vrouwen. Hoe

dat kon? Om de AI te leren hoe het

moest selecteren, werd een bestand

gebruikt met historische data. In het

verleden waren er meer mannen

bij het bedrijf in dienst geweest,

dan vrouwen. Dat nam het systeem

dan ook feilloos over. Het systeem

vertoonde meer ongewenste

resultaten en het project is

afgeblazen. Maar het laat wel heel

goed zien hoe belangrijk een goed

databestand als basis is voor een

AI-oplossing. Dit soort misstanden

wil je sowieso niet, laat staan in de

publieke sector.

CBS: PILOT EERLIJKE ALGORITMEN

De feitelijke database van Nederland helpt bij eerlijke algoritmen

Als het om gegevens gaat is het Centraal Bureau voor Statistiek (CBS) de expert in Nederland. De databestanden van het CBS kunnen de basis leggen voor eerlijke algoritmen. Waardoor AI duidelijke resultaten oplevert die profileert noch discrimineert.

Op zoek naar causaliteit

Onderzoekers van de Universiteit

van Amsterdam (UvA) gebruiken

nu CBS-bestanden voor de

ontwikkeling van een FairTrade

methode, die ervoor zorgt dat

algoritmen eerlijke antwoorden

geven op complexe vragen. Er

wordt een correctie doorgevoerd

op de uitkomsten met een schatting

van causale verbanden. Die

verbanden worden samengesteld

uit een combinatie van data en

domeinkennis. In de praktijk

betekent dat constant toetsen van

het model; ook als een waarde

wordt omgewisseld moet de

uitkomst hetzelfde blijven. Of je een

man, of een vrouw bent moet dus

bijvoorbeeld volstrekt niet uitmaken.

Wetenschappelijk gezien is deze

methode bijzonder interessant, maar

het heeft vooral maatschappelijk

belang. Door mislukkingen in het

verleden is het vertrouwen in nieuwe

technologieën als AI gedaald. Het

is belangrijk om misstanden te

voorkomen. Met deze methode

worden oneerlijke algoritmen direct

in de kiem gesmoord.


TNO en CBS trekken samen op

Goed gebruik van AI gaat verder

dan alleen modellering. “AI kan

grote voordelen hebben,” vindt

Kroese. “De herkenning van

spraak, beelden en patronen,

vertaalmachines, robots en vraag-

en antwoordsystemen kunnen het

gemak en onze gebruikerservaring

verbeteren.”

TNO en het CBS werken daarvoor

samen via het Partnership for

Trusted AI om een transparant,

eerlijk en toetsbaar gebruik

van AI in de publieke sector te

stimuleren. Hierbij is vooral aandacht

voor ethische, juridische en

organisatorische randvoorwaarden.

Deze samenwerking is belangrijk.

Enerzijds beschikt het CBS over

unieke data en bouwt het constant

aan een dataset met feitelijke kennis

over Nederland. Het TNO beschikt

anderzijds over kennis en expertise

om data en algoritmen veilig te

gebruiken. Waarbij de toepassing

zeker in de publieke sector veel kan

betekenen.

Digitale monitoring en informatie services; Cloud, AI en remote sensing based.

Opgericht: 2018Aantal medewerkers: 7Kantoor: Ede


2-3 zinnen: Kartering en monitoring van kleine landschapselementen in het Nederlands buitengebied, zoals bomenrijen, heggen en natuurlijke poelen, ter bevordering en behoud van cultuur dragend en biodivers landschap.



Standard Business Reporting (SBR) zorgt ervoor dat private en publieke partijen eenvoudig en veilig data kunnen delen.

Dit lijkt makkelijk, maar in een land vol met autonome organisaties - met hun eigen data ecosystemen en technische voorkeuren - is datadeling geen vanzelfsprekendheid. De kunst is om samen af te spreken om dezelfde standaarden te gebruiken. Yvonne van der Brugge-Wolring, is algemeen directeur van Logius. We mogen haar alles vragen over SBR, hoe SBR en AI elkaar kunnen versterken en op welke manier dit kan bijdragen aan Nederland als verbonden data-ecosysteem.

Kunt u uitleggen wat SBR nou precies is?

Y: SBR is een mooi voorbeeld van hoe private en publieke organisaties

samenwerken aan het bereiken van een gezamenlijk doel: de datadeling

tussen organisaties veilig en eenvoudig houden. Voordat we SBR hadden,

moesten organisaties op verschillende manieren (o.a. papier, mail,

inlogportalen) en in verschillende formaten (o.a. csv, pdf) data aanleveren bij

publieke instellingen. Elke publieke instelling gebruikte zijn eigen definities.

Voor zowel de aanleverende partij als de ontvangende partijen kostte dit

veel tijd en fouten waren al snel gemaakt.

Samen met organisaties uit de markt, zoals accountants, boekhouders,

softwareleveranciers en banken, heeft de Nederlandse overheid

SBR ontwikkeld. Met SBR worden de gegevens in de financiële

administratie eenmalig op een standaard manier vastgelegd. Doordat

de bedrijfsadministratie het bronbestand is, kunnen gegevens

eenvoudig worden hergebruikt voor verschillende rapportages aan

overheidsinstellingen en een aantal banken.

Vandaag is SBR de nationale standaard voor de digitale uitwisseling van

bedrijfsmatige rapportages. SBR wordt intensief gebruikt. Bij de overheid

alleen al worden er jaarlijks ongeveer tweeënveertig miljoen berichten

verstuurd via SBR . Het gaat hier om rapportages van ondernemers, maar ook

om berichten van instellingen (zoals scholen en woningbouwcorporaties) en

organisaties die informatie uitvragen.

SBR is succesvol, maar betekent dat dan dat SBR ook ‘af’ is?

Y: Nee, we blijven altijd verbeteren. Immers, het doel van SBR is om

datadeling veilig en eenvoudig te houden. Technologie maar ook wetgeving

blijft niet stilstaan – SBR moet zich blijven aanpassen aan nieuwe wensen en

mogelijkheden. Daarnaast bieden nieuwe technologieën nieuwe kansen.

In het bijzonder kunstmatige intelligentie, of AI, zou op termijn voor nieuwe

verbeteringen in SBR kunnen zorgen. Eén van de stappen onderweg naar

‘moeiteloze datadeling’ is de inzet van AI in data-ecosystemen.

PILOT: AI EN GEGEVENSTANDAARDISATIE MET SBR DATA

Nederland als verbonden data - ecosysteem, hoe mooi is dat?

Yvonne van der Brugge-

Wolring


Wat is het doel van de pilot SBR en AI?

Y: AI is nu hipper dan ooit. Er is wereldwijd een AI

wedloop en de Europese Commissie wil dat alle

lidstaten meer met AI gaan doen. Maar tot dusver zien

we weinig echte AI gedreven oplossingen in de publieke

sector. AI is een verzamelnaam van verschillende

technologieën, de ene volwassener dan de andere.

We moeten nog leren hoe, waarvoor en onder welke

voorwaarden we deze technologieën effectief kunnen

inzetten. Daarom zijn we sinds november 2019 gestart

met een pilot waarin we vraagstukken rondom SBR en

AI oppakken. Met deze pilot willen we vooral leren en

AI experimenteer-capaciteit opbouwen: Wat zijn de (on)

mogelijkheden voor SBR en AI. We beginnen hierbij met

een belangrijke kracht van SBR: de beschikbaarheid van

gestructureerde data (de betekenis van elk data element

is eenduidig voor algoritmen). Bij ongestructureerde

data moeten algoritmen eerst leren wat de betekenis

is van die data, bij gestructureerde data kost het leren

minder tijd. De verwachting is dat deze combinatie van

gestructureerde data en AI veel sneller en nauwkeuriger

analyses, benchmarks en voorspellingen kan genereren

dan mensen.

Welke problemen of uitdagingen hoopt u op te

lossen met deze pilot?

Y: Er is nu nog veel intensief mensenwerk bij datadeling.

Mensen moeten zelf nog data uit verschillende bronnen

halen, overtypen, controleren en aanleveren. Zelflerende

algoritmen zouden dit werk grotendeels uit handen

kunnen nemen en rapportages al kunnen klaarleggen

voor een laatste menselijke check. Dit zal niet in één keer

goed gaan, de eerste met AI gegenereerde rapportages

zullen veel fouten bevatten. Door de fouten aan te wijzen

kunnen de zelflerende algoritmen steeds beter worden.

Als we dan nóg een stap verder gaan, dan zouden deze

algoritmen uiteindelijk ook voorspellingen kunnen gaan

doen. Bijvoorbeeld een voorspelling over de financiële

situatie van organisaties, op basis van meer dan alleen

de boekhoudgegevens. Of zelfs voorspellingen over de

financiële risico’s die een bedrijf loopt.

Kunt u vertellen hoe er wordt gewerkt aan de pilot

SBR en AI?

Y: De pilot SBR en AI doen we samen met Digicampus,

DUO en het Data Science Initiative. We hanteren

een open experimenteer-en leerstrategie. De eerste

experimenten focussen op de toepassing van supervised

machine learning op open publieke data uit het

onderwijsdomein. We zoomen in op de nauwkeurigheid

van machine learning algoritmen bij de automatische

uitvoering van analysetechnieken zoals classificatie,

regressie, clustering en associatie. De eerste resultaten

zijn veelbelovend: de algoritmen kunnen in enkele

minuten en met hoge nauwkeurigheid analyses

uitvoeren die mensen enkele uren kosten.

Waar we op letten is dat alles open en transparant wordt

uitgevoerd. We gebruiken open data, open source

tooling voor het ontwikkelen van algoritmen en alle

resultaten zijn online te downloaden via Github. Er komt

een handleiding waarmee iedereen die dat wil, de

algoritmen zelf kan trainen en de analyses zelf kan laten

uitvoeren. Op basis van feedback van geïnteresseerde

organisaties, wetenschappers, data scientists en

developers, gaan we onze werkwijze verfijnen en de

volgende stappen bepalen. Door deze agile benadering

bouwen we stapsgewijs aan meer onderzoekscapaciteit

voor de toepassing AI in Nederland.


Waar kan AI in de publieke sector volgens u nog

meer aan bijdragen? Oftewel, hoe ziet ‘Nederland

als verbonden data-ecosysteem’ er volgens u

bijvoorbeeld uit?

Y: Ik vind dit een belangrijke vraag, zo belangrijk dat

ik in samenwerking met Digicampus en de TU Delft

een promotieonderzoek op dit gebied heb opgestart.

Dit onderzoek staat nog aan het begin. Wat je nu al

ziet is dat AI steeds vaker wordt neergezet als een

data-strategie voor de toekomst. Neem bijvoorbeeld

gemeenten die meer data-gedreven willen werken.

Kan dit zonder AI? Misschien. Kan dit sneller met AI?

Waarschijnlijk wel. Wie oplet beseft dat AI al volop

door tech-reuzen wordt ingezet. Je smartphone bevat

al diverse AI oplossingen waardoor je mooiere foto’s

maakt en sneller zoekopdrachten kunt inspreken.

AI gaat ongetwijfeld ook waarde toevoegen in de

publieke sector waar burgers, bedrijven en overheden

continu data delen. Samen vormen we een groot data-

Gespecialiseerd in het uitvoeren van Digitale Transformatie trajecten

Opgericht: 2012Aantal medewerkers: 22Kantoor: Den Haag


Prioriteren van meldingen van ondermijnende criminaliteit met behulp van opensource intelligence data.

ecosysteem waarin AI op diverse plekken waarde kan

toevoegen. De uitdaging hier is dat het huidige data-

ecosysteem nog behoorlijk gefragmenteerd is. Veel

data is ongestructureerd en niet direct te ontsluiten voor

algoritmen. AI heeft veel - en het liefst gestructureerde

- data nodig om te leren en waardevoller te worden.

Daarom is eenvoudige en veilige datadeling dwars door

organisaties en sectoren een must willen we de potentie

van AI gaan benutten. Vandaar dat we toe moeten naar

een Nederland als verbonden data-ecosysteem. Om

dit voor elkaar te krijgen moeten we afspraken maken,

niet alleen over de toepassing van AI, maar ook over de

toepassing van standaarden voor datadeling. Met SBR

kunnen en zullen we hier een bijdrage aan leveren.



Jarenlang was hij de voortrekker van de digitalisering van de publieke sector. Hoe ziet voormalig Digicommissaris Bas Eenhoorn de huidige ontwikkelingen omtrent AI?

Bas Eenhoorn is aangenaam verrast dat hij zijn licht mag schijnen op de huidige AI-ontwikkelingen. Niet dat hij zich hoeft te vervelen, hij is momenteel waarnemend burgemeester van Vlaardingen. “Het was een mooie tijd als Digicommissaris,” vertelt Eenhoorn. “Nou ben ik al een tijdje vertrokken, en ik vind niet dat je over je graf heen moet regeren. Maar ik volg de digitalisering natuurlijk nog steeds en AI is enorm interessant.”

Angst als raadgever

Er is iets opmerkelijks aan de hand bij de inzet van AI, vindt Eenhoorn. “Mensen lijken bang te worden voor deze technologie. Ook bij volksvertegenwoordigers zie ik dat. Het lijkt alsof mensen het gevoel hebben dat er geen rem op deze techniek zit, dat ze er geen controle meer over hebben. Je kunt je dan natuurlijk afvragen of angst wel een goede raadgever is.”

Aan de ene kant gaat het bij deze angsten volgens Eenhoorn vaak over de toepassing van de techniek. “Anderzijds is het ook lastig om beslissingen te nemen over deze techniek, waarvan ongewenste consequenties niet eenvoudig zijn te corrigeren.” Politieke terughoudendheid bij de inzet van AI in de publieke sector is wat dat betreft te verklaren, stelt Eenhoorn nuchter. “Maar het is lang niet altijd terecht. Zeker als je eerst experimenteert in een omgeving waar geen schade aangericht kan worden, zul je snel zien wat de enorme meerwaarde van AI is.”

AI kan juist het verschil maken, als mensen het zien

Volgens Eenhoorn moet de overheid vooral zoeken naar een balans tussen techniek en de menselijke maat. “Dat betekent ook dat je nieuwe implementatie van AI constant blijft monitoren: doet dit wat wij willen, of doet dit dingen die wij ‘als mensen’ vooral niet willen?” Als er in de uiteindelijke uitvoering fouten worden gemaakt, dan worden mensen alleen maar banger voor AI. Heel onwenselijk vindt Eenhoorn dat. “AI biedt juist zoveel mogelijkheden. Als we dit goed doen, dan hebben mensen juist tijd en ruimte om te werken aan dingen die er echt toe doen. Dan worden ze veel minder afgeleid door saaie, of vervelende klussen - die neemt AI dan van ze over.”

Er is vaak veel meer mogelijk dan we denken

Door het gigantische vermogen kan met AI grote hoeveelheden data worden ontsloten en daarover is Eenhoorn onverdeeld enthousiast. “Met AI kom je zaken op het spoor die je anders niet voor elkaar krijgt. Dat kan met deze techniek ook op een manier dat de privacy niet in het geding komt. Zeker als vanaf het begin van de ontwikkeling rekening wordt gehouden met ethische en privacy zaken, is AI heel veilig in te zetten. Omarm deze ontwikkelingen dan ook en blijf experimenteren, dit is echt de techniek die kan bijdragen aan een publieke sector die nog beter functioneert. En het leven van mensen een stukje eenvoudiger maakt.”

Opinie Bas Eenhoorn Burgemeester Amstelveen, voorheen o.a. Digicommissaris rijksoverheid

Voormalig Digicommissaris Bas Eenhoorn vindt dat er een balans moet zijn tussen techniek en menselijke maat

Door het gigantische vermogen kan met AI grote hoeveelheden data worden ontsloten en daarover is Eenhoorn onverdeeld enthousiast.

Het lijkt alsof mensen het gevoel hebben dat er geen rem op deze techniek zit, dat ze er geen controle meer over hebben. Je kunt je dan natuurlijk afvragen of angst wel een goede raadgever is.

“

”

“”


“Het klinkt misschien niet zo spannend, zo’n Small

Business Innovation Research (SBIR), maar in de praktijk

is deze innovatiecompetitie dat zeker wel,” vertelt

Marieke van Putten, innovatiemanager bij het Ministerie

van Binnenlandse Zaken en Koninkrijksrelaties. “De

overheid moet de markt stimuleren om die dingen te

ontwikkelen die de overheid kan gebruiken. Dat kan

met het SBIR-traject heel goed, de innovaties die hierin

worden aangedragen zijn door de gefaseerde inzet heel

bruikbaar. Doordat je in de eerste fase een groot aantal

bedrijven vraagt om een haalbaarheidsstudie te doen

naar hun oplossing voor een maatschappelijke vraag,

krijg je in korte tijd heel veel mooie en concrete plannen.

Een kans om AI concreet te maken voor overheden

Al sinds 2004 schrijft RVO in opdracht van overheden

de SBIR-competities uit, voor diverse overheidsvragen.

“De kern van de SBIR is dat er een specifieke uitdaging

wordt vastgesteld en dat er in de eerste fase budget

beschikbaar wordt gesteld voor het uitvoeren van

een haalbaarheidsonderzoek” vertelt Van Putten.

“Omdat we vanuit onze rol AI innovaties in publieke

diensten willen stimuleren, hebben we de vraag

bij deze SBIR niet op voorhand toegespitst op een

specifiek aandachtsgebied; dus ‘Maak een voorstel voor

oplossingen voor maatschapppelijke vragen met AI’.

Moet je dan zomaar (externe) organisaties spekken?

Uiteindelijk blijkt het Ministerie van Justitie en Veiligheid

(JenV) de ideale partner van BZK voor een gezamenlijke

innovatiecompetitie over AI. Vooral omdat daar de

behoefte aan innovatieve AI-oplossingen groot is.

SBIR: AI in de publieke sector

Gebruik het juiste middel om innovatie in de markt in te kopen én te stimuleren Marieke van Putten is innovatiemanager bij het Ministerie van Binnenlandse Zaken en Koninkrijksrelaties.

Innovatie inkopen is niet zoiets als even een brood kopen bij de bakker. Als overheid komt daar soms ook nog een complexe aanbesteding bij kijken. Er is echter een oplossing: een innovatiecompetitie die in fasen wordt ingezet.

Olof Schuring begeleidt de SBIR vanuit JenV, ook hij is

enthousiast over de deelname. “In totaal hebben 54

bedrijven meegedaan. Daar zat van alles wat tussen: van

ZZP’ers tot grote bedrijven en alles daar tussenin.”

Natuurlijk hebben de verschillende onderdelen van JenV

zelf ook labs, maar deze marktinnovaties leveren daaraan

een extra, en soms onmisbare, bijdrage. “Er wordt

nog wel eens gedacht dat we hiermee teveel de kas

spekken van grote bedrijven, maar dat is niet zo,” meent

Van Putten. “Het zijn vooral kleine, startende bedrijven

die hieraan meedoen. En ook voor de grote bedrijven

geldt, dat ze niet zomaar hun capaciteit in kunnen zetten

op innovaties van de overheid. Deze externe inbreng

zorgt juist voor extra inzet en biedt de kans voor mooie

kruisbestuiving tussen overheid en bedrijfsleven.”

Kijk goed naar wat je nodig hebt en bepaal dan welk

instrument je gebruikt

Natuurlijk is er voor innovaties ook altijd de

mogelijkheid voor het inkoopinstrument Publiek-Private

Samenwerking (PPS). “Dat is ook een prima middel,”

vindt Van Putten. “Maar een PPS werkt vaak beter bij

één grote opdracht, die wordt gegund aan één grote

partij. Bij de SBIR kunnen we ook kleinere marktpartijen

stimuleren voor specifieke innovaties. Kijk maar eens

naar de eerste resultaten die deze SBIR omtrent AI en de

publieke sector heeft opgeleverd,” meent Van Putten.

Haar beste tip voor de inkoop van innovaties voor de

overheid? “Kijk eerst heel goed wat je wilt bereiken en

zoek dan het beste middel erbij, zoals een PPS of SBIR.”


Hoe werkt SBIR?

SBIR (Small Business Innovation Research) werkt als een gefaseerde innovatiecompetitie, waarbij per fase telkens de ondernemingen met de beste offertes doorgaan. SBIR is het inkopen door de overheid van onderzoeksdiensten om een markt te creëren waarop ze later zelf kan gaan inkopen.

Een aanbestedende dienst identificeert een specifieke uitdaging en stelt een budget beschikbaar. De ondernemers met de meest kansrijke haalbaarheidsonderzoeken (fase 1) krijgen opdracht hun product verder te ontwikkelen (fase 2). Daarna kan de ondernemer de innovatie zelf op de markt brengen (fase 3), de overheid kan als eerste klant (‘launching customer’) de innovatie inkopen.

FASE 1 Haalbaarheidsonderzoek naar de innovatie

De ondernemers met de beste offertes krijgen de opdracht – met financiële tegemoetkoming – om hun ideeën (op papier) op haalbaarheid te testen: organisatorisch, juridisch, technisch, financieel en commercieel. Deze ondernemers voeren het haalbaarheidsonderzoek uit naar hun innovatie binnen de afgesproken termijn en voor het overeengekomen offertebedrag. Bij de uitvoering van de opdracht kunnen ondernemers samenwerken met een kennisinstelling of met andere ondernemingen, of delen van het werk uitbesteden. Na advies van de beoordelingscommissie (zie kopje Beoordeling) besluit de opdrachtgever welke projecten een opdracht krijgen voor fase 2: het ontwikkelen van de innovatie.

FASE 2: Ontwikkeling van de innovatieVoor fase 2 gaan alle haalbare ideeën uit fase 1 opnieuw de competitie aan. De beoordelingscriteria zijn hetzelfde als in fase 1. Daarnaast wegen de economische vooruitzichten voor fase 2 nog explicieter mee. Deze ondernemers starten een onderzoeks- en ontwikkelingstraject en leveren voor de afgesproken prijs en binnen de termijn het eindresultaat op: een getest prototype, demonstratie, beperkte nul-serie of proefproject van het product, het proces of de dienst. Gedurende fase 2 zullen de Rijksdienst voor Ondernemend Nederland (RVO.nl) en de aanbestedende dienst zich samen met de ondernemer inspannen om een zo goed mogelijk eindresultaat te bereiken.

In voorkomende gevallen is fase 2 opgeknipt in bijvoorbeeld een fase 2a: ontwikkelen prototype en een fase 2b: testen prototype in de praktijk. Ook komt het voor dat fase 1, het haalbaarheidsonderzoek, wordt overgeslagen. Dit staat dan expliciet vermeld in de oproep.

Voor fase 1 en 2 geldt: geselecteerde offertes krijgen een opdracht om het voorgestelde onderzoek uit te voeren. De hoogte van de vergoeding is het offertebedrag. Dit moet lager zijn dan het maximumbedrag en marktconform.

FASE 3De innovatie vermarktenBij een succesvol verloop van fase 2 gaat de ondernemer door met het marktrijp maken van zijn innovatie, daarin zo nodig financieel bijgestaan door een externe financier. Deze is bij voorkeur al zeer vroeg in fase 2 in beeld en kan van groot belang zijn voor succesvolle marktintroductie.De overheid financiert deze fase niet. RVO.nl brengt de innovaties wel onder de aandacht en volgt deze.

BeoordelingElke SBIR-competitie heeft een eigen onafhankelijke beoordelingscommissie die de offertes beoordeelt op de volgende criteria:

■ impact■ technologische haalbaarheid■ economisch perspectief■ prijs van de offerte (indien van toepassing)

De beoordelingscommissie rangschikt alle projecten en adviseert RVO.nl en de aanbestedende dienst.


SBIR WINNAARS | Dit is een selectie van de winnaars van de SBIR innovatiecompetitie

‘Wat kan AI bijdragen aan de publieke diensten’Een selectie waaruit blijkt dat schijnbaar kleine of enorm technische AI toepassingen soms een enorme maatschappelijke waarde toevoegen.

ZiuZ | VOICI

Kan AI helpen in de strijd tegen seksueel kindermisbruik?

Bij zaken omtrent seksueel kindermisbruik worden vaak grote hoeveelheden beeldmateriaal in beslag genomen. Deze moeten worden geanalyseerd. Naast dat dit een enorme mentale, of psychische belasting is, betekent het ook duizenden uren kijkwerk. Om de analisten hierbij te ondersteunen, ontwikkelt SBIR-winnaar Ziuz een AI-toepassing.

Zie hier!

Eén van de betekenissen van het

Franse woord ‘voici’ is: zie hier! En

dat is precies wat de ZiuZ nastreeft

met hun toepassing Voici. In dit

geval staat het ook voor de afkorting

‘Video Ontleding en Inhoud

Classificatie met Intelligentie’. Met

AI wordt de toepassing getraind

om beeldmateriaal te doorzoeken

op mogelijke misbruiksituaties.

Als dit goed werkt, kan Voici een

voorselectie maken voor de analist

die uiteindelijk de situatie inschat.

Opdelen in behapbare stukken

Jos Flury is Executive VP van ZiuZ

en legt graag uit hoe de toepassing

werkt. “De video wordt eerst

opgedeeld in shots, in behapbare

stukken. Vervolgens wordt

gekeken of dit beeld al bekend is

bij de politie. Dus, nieuwe beelden

worden vergeleken met de politie-

database. Als blijkt dat het om nieuw

materiaal gaat, wordt de volgende

analyseronde ingezet: de zoektocht

naar mogelijk belastend materiaal.

Hieruit komt een selectie voor de

menselijke analyse.”

Werken met illegaal materiaal

“We moeten ons AI-model leren

om misbruiksituaties te herkennen.

Daarvoor hebben we bestaand

materiaal nodig, dat in principe

illegaal is,” vertelt Flury. De beelden

die voorhanden zijn blijven dan

ook veilig binnen de database van

de politie. Voici plaatst voor de

training een fysiek werkstation bij de

politie en daarvoor levert de politie

vervolgens datasets aan.

Grootste uitdaging: enorm

gebrek aan middelen

Er is zeker aandacht voor het

onderwerp seksueel kindermisbruik.

Er zijn in de praktijk echter veel

te weinig middelen om dit echt

goed aan te pakken. “Het aantal

meldingen van beeldmateriaal van

seksueel kindermisbruik is enorm als

je het vergelijkt met 25 jaar geleden

toen het internet nog in opkomst

was,” vertelt Flury. “Maar het budget

is gelijk gebleven. Natuurlijk helpt

het SBIR-geld voor ons onderzoek,

maar we voeren een ongelijke strijd;

de misdadigers hebben namelijk

bijna eindeloos veel middelen.”

ODDITY

Kan AI helpen in de strijd tegen geweld op straat?

Live cameratoezicht helpt bij de opsporing van geweld in de openbare ruimte. Maar de mensen die achter de camera zitten, zien soms niet alles. Wat gebeurt er als je hier een AI-assistent aan toevoegt?

Binnen Europa willen we geen

Big Brother-achtige toepassingen

waar mensen 24/7 onder toezicht

staan. Het is echter wel handig

om live mee te kijken, op bekende

hotspots in Nederlandse steden.

Dat gebeurt en werpt vruchten af.

Live worden de camerabeelden


door mensen bekeken en als zich

ergens een incident voordoet

worden de handhavers op straat

gewaarschuwd. Een prima

werkwijze, alleen moeten meerdere

schermen tegelijk in de gaten

worden gehouden per persoon. Het

kan dus zijn dat iets gemist wordt.

Geen gezichtsherkenning, wel

herkenning van de daad

AI kan natuurlijk allerlei beeld-

analyses maken, maar dat gaat

meestal op basis van beeld of

gezichtsherkenning. In verband

met privacy en andere ethische en

juridische overwegingen, is het niet

wenselijk om dit soort zaken in te

zetten in de openbare ruimte. Er

zouden teveel gegevens gekoppeld

moeten worden die de gestelde

randvoorwaarden in gevaar zouden

brengen.

Het (voormalige) studentenbedrijf

Oddity heeft echter een oplossing

bedacht. Een AI ontwikkelen die niet

gezichten of beelden herkent, maar

enkel de kenmerken van geweld.

Kleine maar hele serieuze partij

De redenen voor Oddity om mee te

doen met de SBIR waren tweeledig.

Enerzijds ging het om geld ophalen

voor verder onderzoek. Anderzijds

heeft het Oddity ook geholpen

om in contact te komen met voor

hen belangrijke partijen als Politie

Nederland. Nick Mulder is één

van de oprichters van Oddity, hij

snapt dat het soms lastig is voor

grote publieke organisaties om in

te schatten wat een (vooralsnog)

kleine partij voor hen kan betekenen.

“Door de SBIR komen we nu in

contact met de partijen die wij nodig

hebben en zij met ons. Mensen

zien natuurlijk dat we nogal jong

zijn, het helpt dan zeker om -naast

het onderzoeksgeld - daar wat

ondersteuning in te krijgen.”

HYDROCAST

Kan AI helpen om waterstanden te voorspellen?

De scheepvaart op rivieren is een belangrijk onderdeel van de logistieke keten in Europa. Het proces is echter niet altijd even stabiel, in verband met wisselende waterstanden. Als die beter voorspeld kunnen worden, gaat dat veel tijd en geld schelen.

Het voorspellen van waterstanden

heeft te maken met bijna eindeloos

veel factoren. Maar wat als je hier

AI aan toevoegt? Dan zou je wel

eens kunnen uitkomen op een

voorspellingsmodel dat werkt.

Waardevolle voorspellingen

Wanneer een schip bijvoorbeeld

de Rijn op vaart, wordt er met de

belading rekening gehouden met de

verwachte waterstanden. Hoe hoger

het water, hoe dieper de boot in het

water kan liggen. Als onverhoopt de

waterstand toch verandert, kan dat

betekenen dat het schip niet verder

kan. De lading wordt dan vaak met

vrachtwagens verder vervoerd.

Omgekeerd geldt ook dat het

zonde is om een schip veel lichter

te beladen dan mogelijk is als de

waterstanden hoog genoeg zijn.

Het accuraat voorspellen van

waterstanden is dus meer dan een

nice-to-have het levert praktisch

en economisch gezien nogal wat

voordelen op.

Water- en verkeersstromen

Het idee van deze toepassing

voor Rijkswaterstaat komt voort uit

onderzoek waar de mensen achter

Fileradar.nl al jaren aan werken. Zij

wilden meer accurate voorspellingen

maken voor verkeersdrukte.

Dat lukte uiteindelijk door AI

te gebruiken om een bestaand

verkeersmodel te verbeteren. De

AI gaat als het ware verder waar

de menselijke kennis gebleven is.

Echter, voor de verder ontwikkeling

van de verkeerstoepassing was

wel een vraag en vooral geld

nodig vanuit de markt. Dat was er

vooralsnog niet voldoende.

Onderzoek waterstanden

Uiteindelijk stuit mede-eigenaar en

onderzoeker Chris van Hinsbergen

min of meer toevallig op de

voorspelling van waterstanden. “Een

vriend van mij vertelde hierover, en

ik bedacht me dat ons model hier

ook wel eens heel goed zou kunnen

werken. Al snel zijn we in gesprek

gegaan met Deltares en nu zitten we

in de fase waar we onderzoeken of

dit model ook echt goed genoeg

werkt in de praktijk. Wat het

oplevert.”

De SBIR is volgens Van Hinsbergen

een mooi middel om innovatie te

stimuleren. “Zeker in dit geval, waar

de vraag relatief breed was. En ons

project paste er natuurlijk heel goed

tussen.”


ASSESSMENT

MATCHMAKING

PLAN

EXPERIMENTEREN

Introductie AI / R&D Deep Dive

Gov Deep Dive

GovTech Validation Lab: Explained

AI in de praktijk: Gov m

eets AI Hubs (of: private sector)

Ethische Deep Dive

LegalDeep Dive

CoLabs: Meet the Experts

Data Deep Dive

Gezamenlijk kennisprogramma

AI INNOVATIETRAJECT

Fina

l C

onf

eren

ce(w

ebin

ar)

Trai

ning

B

ellin

gca

t

Tijdens het AI Innovatietraject werken de overheid, bedrijfsleven en onderzoeksinstellingen samen.

Doordat meerdere organisaties tegelijkertijd starten met hun experimenten, is het een gezamenlijk leerproces waarin in kort tijdsbestek veel kennis wordt opgedaan. We doen de eerste ervaringen op, verhogen het collectieve kennisniveau en creëren (of versterken) we de netwerken die nodig zijn om AI op een verantwoorde manier toe te passen. De eerste ronde vond plaats van oktober 2019 tot april 2020.


Het is een misverstand dat AI onze wereld gaat overnemen, maar het is wel zaak dat we als publieke sector de focus houden op de bedoeling. AI moet ingezet worden om mensen te helpen, vindt Michel van Leeuwen die verantwoordelijk is voor AI bij het Ministerie van Justitie en Veiligheid (JenV).

Van Leeuwen is begin 2020 aangetreden als directeur en kwartiermaker voor het beleidsteam Artificiële Intelligentie bij JenV. Een functie waar veel bij komt kijken, zeker gezien het brede scala aan onderwerpen dat potentieel geraakt wordt door AI.

Vrijheid, veiligheid en economische groei

“Onze opdracht is dat JenV bij blijft op het gebied van de technologische ontwikkelingen omtrent AI,” vertelt Van Leeuwen. “De focus ligt op zaken die vrijheid, veiligheid en economische groei kunnen waarborgen.” Het team onderzoekt hoe AI ingezet kan worden in de organisatie op een verantwoorde manier. Het gaat hierbij om toepassingen in het veiligheidsdomein, maar ook in de bedrijfsvoering, of het verlagen van de administratieve last. “Zo kijken we bijvoorbeeld naar AI-technieken als spraakherkenning voor automatische verslaglegging. De potentiële tijdswinst daarbij is groot.”

Ook bescherming tégen AI staat op de agenda van Van Leeuwen. “Hoe zorgen we ervoor dat AI in handen van criminelen geen schade aanricht aan de samenleving? Maar het gaat ook over hoe we de burger kunnen beschermen tegen het onethisch gebruik van AI. Het is een krachtig middel met soms nare bijeffecten die je wilt voorkomen.”

Ook AI is niet onfeilbaar, hou daarmee rekening

De aard van de AI-technologie maakt dat deze soms beter en slimmer kan werken dan mensen. “Maar dat betekent niet dat AI onfeilbaar is, daar houden we aan alle kanten rekening mee,” benadrukt Van Leeuwen. “Vanaf de eerste ontwikkeling, tot en met de uitrol en het gebruik van AI moeten we ons bewust zijn van de foutgevoeligheid. Dat is belangrijk zodat we de juiste maatregelen kunnen nemen.”

Eén van de veelgenoemde kwetsbaarheden van AI is bijvoorbeeld de kwaliteit van de data die de technologie gebruikt. “Als de data niet zuiver is, dan zijn de uitkomsten dat vaak ook niet. Maar, we gaan verder dan dat,” vertelt Van Leeuwen. “Naast technische maatregelen, kijken we bijvoorbeeld ook naar de samenstelling van het team van ontwikkelaars. Dat moet zo divers mogelijk zijn, om te voorkomen dat AI (onbewuste) vooroordelen krijgt.”

Samen inzetten op een menswaardige AI

Uiteindelijk moet alles omtrent AI gericht zijn op de dienstverlening aan de mens. “Ik vermoed niet dat we straks overheidsloketten helemaal gaan vervangen door technologie, wel dat zo’n loket er heel anders uit gaat zien.” Angst voor AI is volgens Van Leeuwen niet nodig, zeker met duidelijke richtlijnen. “Ook vanuit Europa, dat net als wij, op ieder vlak inzet op een menswaardige AI.”

Opinie Michel van Leeuwen Directeur & kwartiermaker AI

Het is niet dat we persé AI moeten hebben, het is een keuze die we maken

Eén van de veelgenoemde kwetsbaarheden van AI is bijvoorbeeld de kwaliteit van de data die de technologie gebruikt. “Als de data niet zuiver is, dan zijn de uitkomsten dat vaak ook niet. Maar, we gaan verder dan dat,” vertelt Van Leeuwen.

“

”


In times characterised by more limited resources,

no significant decrease in global crime rates and an

increasingly complex operating environment – that now

includes the emergence of the COVID-19 pandemic

– law enforcement is increasingly being tested and

tasked with doing more with less. As with many sectors,

AI may present a solution, or at the very least some

much needed support. In this regard, we have seen a

significant growth in the adoption and integration of AI

into policing in recent years, as it turns to AI to augment

operational capacities or even just to facilitate ordinary

administrative tasks.

For instance, the Prefecture Police in Tokyo is developing

AI-enabled tools in pilot form that focus on identifying

areas of high crime risks, which can serve to support in

determining optimal patrol routes and crime prevention

techniques. Even more recently, in response to the

COVID-19 pandemic, we have seen national authorities,

Responsible AI Innovation in Law EnforcementIrakli Beridze Head, Centre for Artificial Intelligence and Robotics, UNICRI, United Nations

including law enforcement, turn to AI to support it to

push back against the spread of the virus and preserve

social order. Reuters reported a case whereby the

authorities in China relied on facial recognition cameras

to track a Hangzhou man who had travelled an affected

area. Upon his return home, the local police were there

to instruct him to self-quarantine or face repercussions.

Ultimately, the expansion in AI serves to underscore

the importance of discussions on governance, as well

as the ethical and human rights perspectives. These

discussions on the responsible uses of AI are growing

among States and throughout the private sector.

A recent study by Nature identified 84 documents

containing ethical principles or guidelines for AI. At the

same time, more than 30 States to date have adopted

national AI strategies or action plans since 2016, a large

percentage of which highlight the importance of the

ethical considerations to the use of AI.

Artificial Intelligence (AI) is having an impact on many sectors

and, if harnessed appropriately, this technology can deliver great

benefits for our global society, for instance by helping us to achieve

the 17 ambitious goals that world leaders committed to in the 2030

Agenda for Sustainable Development. While there is great potential

in AI, the use of this technology by law enforcement raises very real

and serious human rights concerns that can be extremely damaging

and undermine the trust placed in government by communities.

Human rights, civil liberties and the fundamental principles of law

may be unacceptably exposed, or even irreparably damaged, if we

do not tread this path with great caution.


At the United Nations Interregional Crime and Justice

Research Institute (UNICRI), we have established a

specialized Centre for AI and Robotics in The Hague

and are one of the few international actors dedicated

to specifically looking at AI vis-à-vis crime prevention

and control, criminal justice, rule of law and security.

We seek to support and assist national authorities, in

particular law enforcement agencies, in understanding

both the opportunities and pitfalls associated with

these technologies and we are exploring their use for

contributing to a future free of violence and crime.

Together with the International Criminal Police

Organization (INTERPOL), we have created a global

platform to discuss advancements in and the impact of

AI for law enforcement. We organize a global meeting

on AI for law enforcement on an annual basis since

2018 – the third edition of which will take place this

year in the Hague in November. The outputs of these

meetings, which include a report in 2019 on AI for law

enforcement, represents a contribution to advancing

the AI governance panorama in the law enforcement

community.

At the second global meeting, law enforcement

identified that the need for support and guidance to

facilitate its adoption of AI and, in doing so, avoiding

the many pitfalls. Responding to this request, we will be

elaborating a ‘toolkit’ for responsible AI innovation by

law enforcement that will contain valuable guidance and

support for law enforcement in developing, deploying

and using AI in a trustworthy and lawful manner.

This toolkit will include the identification and compilation

of major technology domains and possible use-cases,

best practices of the responsible use of AI when a law

enforcement agency intends to develop an AI-enabled

project (in-house) or procure an AI-tool/system (external

solutions) – and a series of recommended good practices

that reflect the general principles and seek to build trust

and social acceptance.

Our main goal with the toolkit to produce a practical and

operational oriented document that seeks to build upon

work already done and avoid being ‘just one more set of

guidelines’. The notion of a ‘toolkit’ has been identified

as the preferred format as, departing from existing

proposed approaches of ‘guidelines’, ‘regulations’ and

‘frameworks,’ it would seek to stimulate the positive

potential of AI within the law enforcement community

to develop, deploy and use AI systems, while providing

guidance on preventing harmful effects.

The positive power and potential of AI is real. However,

to access it, we must first work towards ensuring its use

is responsible, taking into consideration fundamental

principles and rights and respect for the rule of law. Soft

law approaches such as this toolkit can make a valuable

contribution to AI governance, particularly in the law

enforcement domain where the use of AI is truly an edge

case.

A recent study by Nature identified 84 documents containing ethical principles or guidelines for AI. At the same time, more than 30 States to date have adopted national AI strategies or action plans since 2016, a large percentage of which highlight the importance of the ethical considerations to the use of AI.

“”


Steeds meer overheden maken gebruik van zelflerende algoritmen. Soms worden die algoritmen door overheden zelf ontwikkeld, vaak worden de algoritmen (geheel of gedeeltelijk) ontwikkeld door een externe leverancier. In dat laatste geval is het zaak om goede afspraken te maken met de leverancier, die jou als overheid in staat stellen je wettelijke verplichtingen ten opzichte van burgers na te leven. Jeroen Naves, advocaat bij Pels Rijcken, stelde in opdracht van de Gemeente Amsterdam een modelcontract op dat daarvoor als basis kan dienen. Dit zijn zijn belangrijkste tips.

DIT ZIJN DE 3 JURIDISCHE LESSEN VOOR OVERHEDEN

Transparantie voor mens en over techniek

Ga er maar eens aanstaan als overheid: een stuk software kopen dat in potentie zelfstandig besluiten kan nemen. Dit is niet een kwestie van ‘even afrekenen bij de kassa en vergeet het bonnetje niet te declareren.’

Er is een groot verschil tussen

de potentiële inbreuk die bij het

gebruik van algoritmen gemaakt kan

worden op de rechten van burgers.

Het ene algoritme is met andere

woorden het andere algoritme niet.

Het is daarom zaak om van een

leverancier te eisen dat bij de

ontwikkeling van een algoritme

goed nagedacht over de risico’s

die zich kunnen voordoen bij het

gebruik van een algoritme, en dat

maatregelen worden getroffen om

die risico’s te beperken.

Het is vervolgens zaak om zolang

een algoritme wordt gebruikt een

continue proces in te richten waarbij

de risicoanalyse steeds wordt

geactualiseerd, door de overheid

zelf of door de leverancier.

LES 01Zorg dat er een risicoanalyse wordt uitgevoerd

Dit zijn zijn belangrijkste tips

Jeroen Naves,

advocaat bij Pels Rijcken


Net als bij iedere andere software

applicatie, geldt ook bij de aanschaf

van AI dat je je als overheid de vraag

zal moeten stellen: wat gebeurt

er na afloop van de looptijd van

de overeenkomst met de externe

leverancier? Wil ik dan door kunnen

gaan met de ingekochte applicatie

of start ik een nieuwe aanbesteding

om een nieuwe applicatie te

verwerven?

Besluit je om door te gaan met

de bestaande applicatie, dan is

het zaak om in een overeenkomst

afspraken te maken die jou als

overheid in staat stellen om ook

zonder hulp van de leverancier de AI

te blijven gebruiken. Het bijzondere

bij de meeste AI-techniek is dat

software en data heel erg door

Het allerbelangrijkste is dat je als

overheid kunt uitleggen aan de

burger: waarom je doet wat je doet.

Als je als overheid zelf niet weet

waarom je een bepaald besluit

neemt (“computer says no”), heb je

in allerlei opzichten een probleem.

Natuurlijk moeten we er als juristen

voor waken dat we niet bij iedere

innovatie enkel in juridische

problemen gaan denken. Maar,

in het geval van AI is transparantie

noodzaak.

Dat betekent dat als je met een

leverancier samenwerkt, je van die

leverancier zal moeten eisen dat die

een bepaalde mate van transparantie

verschaft over de technologie die

wordt gebruikt. Die transparantie

moet jou als overheid ten minste

de mogelijkheid geven om aan

een burger uit te leggen wat de

belangrijke redenen zijn waarom een

algoritme tot een bepaalde uitkomst

komt.

Soms kan dat tot discussies leiden:

niet alle leveranciers zullen bereid

zijn transparantie te verschaffen.

Wat zich onder de motorkap van de

applicatie afspeelt, is in sommige

gevallen een bedrijfsgeheim dat de

leverancier niet zal willen delen. Als

een algoritme wordt gebruikt om

besluiten te nemen over burgers,

LES 02Zorg vervolgens voor transparantie

LES 03Maak afspraken over het hergebruik van data

kan dit echter nooit een reden zijn

om dan maar geen eisen te stellen

op het gebied van transparantie.

Het verschaffen van transparantie is

overigens niet alleen van belang om

de totstandkoming van een besluit

uit te kunnen leggen. Het stelt jou als

overheid ook in staat om tijdens een

audit te toetsen of de leverancier zijn

verplichtingen nakomt.

elkaar heen lopen. Zonder data

is de software de waarde van de

software beperkt. Daarom kan in

veel gevallen niet worden volstaan

met klassieke afspraken over exit en

intellectuele eigendomsrechten,

maar zal uitdrukkelijk moeten

worden vastgelegd welke partij

welke data (en in welke vorm) mag

hergebruiken.

Zaken over intellectueel eigendom

klinken vaak wat droog. Dat zijn ze

wellicht ook, maar als we hier AI en

Machine Learning aan toevoegen,

krijgen we ineens een verhaal dat

best spannend kan worden. Op

dit moment zijn er al machines die

door middel van AI zelfstandig

schilderijen kunnen maken, of die

boeken kunnen schrijven. Het

intellectueel eigendomsrecht is

beperkt tot ‘scheppingen van de

geest’. Tsja, maar van wie of wat is

die geest in het geval van AI?

Een veelomvattende techiek als AI

inkopen, betekent goede afspraken

maken. Zonder daarbij de innovatie

in de weg te staan als jurist. Dat is

niet altijd eenvoudig, maar met de

basis modelcontracten is het zeker

in praktische zin uit te voeren.

Het is wel van belang om vast te

stellen dat we hier te maken hebben

met een praktijk en rechtsgebied die

nog volop in ontwikkeling zijn. Het is

daarom zaak kennis te blijven delen

over de manier waarop het beste

met AI kan worden omgegaan.

https://www.amsterdam.nl/wonen-leefomgeving/innovatie/digitale-stad/grip-op-algoritmes/


Victor Pereboom en Sascha van Weerenburg van Dutch Analytics schreven samen met hun team een Handleiding voor Data Science Projecten.

“AI heeft zich de afgelopen jaren bewezen als een domein met grote maatschappelijke impact.” vindt Pereboom. “Dus het is belangrijk dat we daar zorgvuldig mee omgaan.”

DE TECHNISCHE LESSEN

AI werkt alleen als je het direct gestructureerd oppakt - en zo doe je dat

AI is here to stay. Althans, als het lukt om het ook echt te implementeren in de (dagelijkse) organisatie. Net als bij elke verandering, gaat ook deze niet zonder horten en stoten. Althans, tenzij er een goed plan aan ten grondslag ligt. Een plan dat zorgt dat een AI-project niet blijft hangen in de experimentele fase, maar dat resulteert in een goed werkend eindproduct.

Hou gedurende het hele proces

van eerste ontwikkeling, tot en

met het eindproduct één ding

goed voor ogen: AI-ontwikkeling

is een domein waar twee groepen

professionals samen komen, die niet

altijd dezelfde taal spreken. Aan de

ene kant heb je de data-scientists,

aan de andere de IT-mensen, de

ontwikkelaars. Die hebben beiden

een eigen werkwijze, inzichten en

belangen. Aan de ene kant ligt de

focus op experimentatie aan de data

science kant, versus de focus op

een stabiel eindproduct aan de IT

kant. Dat is niet erg, maar blijf altijd

checken of iedereen wel hetzelfde

bedoelt - en of iedereen überhaupt

nog steeds hetzelfde doel voor ogen

heeft.

LES 01Twee werelden die samenkomen, hou daar rekening mee

Dit zijn de belangrijkste lessen om AI aan de technische kant op een duurzame en praktische manier te implementeren.

Victor Pereboom,

co founder Dutch Analytics

https://issuu.com/klhartog/docs/dsi-handleidingvoordatascienceprojecten


Zeker binnen de publieke sector is

een veelheid aan data voorhanden.

Kijk welke data het meest geschikt

is voor het project. Eén van de

grote obstakels bij het succesvol

toepassen van AI is een gebrek aan

gestructureerde data. Dit kan ook

betekenen dat de nodige data zich

bevindt in verschillende systemen.

Het samenbrengen van deze losse

databronnen is eerst nodig, alvorens

je kan beginnen. Vaak blijkt dat

data nog niet helemaal past voor de

gewenste oplossing, dat betekent

dat die data eerst opgeschoond

moet worden. Pas als dit allemaal

gereed is, dán kun je aan de slag met

de ontwikkeling en evaluatie van de

modellen.

Na de experimentele fase, komt

de cruciale stap naar de échte

implementatie. Vanaf dit moment

staan alle vervolgstappen in het

teken van continuïteit: hoe zorg

je dat de toepassing waarvan een

proof-of-concept voorhanden is.

Wanneer intern alles op orde is

om de AI-oplossing succesvol in

te zetten, wil dat nog niet zeggen

dat het project ‘af en onder

controle is’. Nu begint het pas,

want externe factoren blijven

veranderen. Data, wetgeving, of

andere omstandigheden veranderen

continu. Het is dus zaak om de

toepassing continu te blijven

monitoren, om een kwalitatief

hoogwaardige business case neer

te zetten. Mits deze zes lessen

structureel gevolgd worden.

Zodra een AI-project begint,

moeten er veel verschillende

oplossingsrichtingen getest worden,

waarvan er uiteindelijk wellicht één

werkt. Dat niet alles direct slaagt is

bijna een voorwaarde, want zonder

trial-and-error wordt er niks geleerd.

Leg dus in het begin de nadruk op

het feit dat dit een experimentele

fase is. Deze fase houdt bij AI in dat

er vooral geëxperimenteerd moet

worden om het beste model te

vinden.

LES 02Maak veel fouten en leer daarvan

Zodra een AI-project

begint,moeten er veel verschillende

oplossingsrichtingen getest worden,

waarvan er uiteindelijk wellicht één

werkt. Dat niet alles direct slaagt is

bijna een voorwaarde, want zonder

trial-and-error wordt er niks geleerd.

Leg dus in het begin de nadruk op

het feit dat dit een experimentele

fase is. Deze fase houdt bij AI in dat

er vooral geëxperimenteerd moet

worden om het beste model te

vinden.

LES 03Begin met een passende business case

LES 04Zorg dat de juiste data beschikbaar is en schoon deze op

LES 05Na de experimentele fase moet de focus liggen op continuïteit

Dat die ook straks op een duurzame

wijze mee kan draaien binnen

een organisatie - en dat iedereen

voor wie dit relevant is toegang

heeft tot de verrijkte informatie

en uitkomsten. Beheer van de

algoritmes (hoe en door wie wordt

dat bijvoorbeeld uitgevoerd) is

daarbij een factor die leidend is.

LES 06Controleer de prestatie continu, voor een werkende businesscase


“Eigenlijk hebben veel mensen nog geen idee hoeveel er mogelijk is met al deze lucht- en satellietbeelden in combinatie met AI,” vertelt Camiel Verschoor van Birds.ai. Om dit onder de aandacht te brengen schreef hij samen met Luc van den Ende, Joost Dorscheidt (Geronimo.AI) en Nout van Deijck (NSO) een handreiking over het toepassen van beeld uit lucht en ruimte. “We hopen dat mensen hierdoor weten wat er allemaal beschikbaar is én zelf op ideeën komen om dit ook in hun (overheids-) organisatie in te zetten.” vertelt Verschoor.

DE LESSEN AI IN COMBINATIE MET LUCHT- EN SATELLIETBEELDEN

Een schat aan onontgonnen data die u wellicht op hele goede ideeën brengt

In Nederland en óver Nederland worden dagelijks duizenden beelden vanuit de lucht en ruimte verzameld. Laat AI nou perfect geschikt zijn om automatisch nuttige informatie uit al deze beelden te halen.

Bij de meeste AI toepassingen is

het van belang om eerst een goede

business case vast te stellen. Bij

projecten met satellietbeelden

en luchtbeelden werkt het soms

andersom. Ga eerst maar eens

na wat er überhaupt beschikbaar

is aan beelden en toepassingen.

Kijk daarbij goed naar hoe

gedetailleerd de beelden zijn én

welke (potentiële) toepassingen

van AI er al zijn in combinatie met

lucht-en satellietbeelden. Leg al

deze inzichten vervolgens naast

de eigen organisatie en je vindt

al snel mogelijkheden. Van het

monitoren van infrastructuur, tot en

met de inspectie van oevers zoals bij

Rijkswaterstaat, de mogelijkheden

zijn zeer gevarieerd. Zeker omdat

AI bijvoorbeeld een groot deel

van het zoeken inspectiewerk kan

uitvoeren.

Dit zijn de belangrijkste lessen over de combinatie van AI met lucht- en satellietbeelden.

LES 01Deze beelden zijn ook interessant als je (nog) geen business case hebtCamiel Verschoor,

founder and CEO - Birds.ai

https://issuu.com/klhartog/docs/dsi-handreikingsatellietbeeldenenluchtbeelden


“We hopen dat mensen door deze lessen en de handreiking geïnspireerd worden,” vertelt Verschoor. “Ik weet zeker dat er beter beleid gemaakt kan worden in de publieke sector met de juiste combinatie van AI en lucht- en satellietbeelden. Een mooie kans om mens en techniek écht met elkaar te laten samenwerken.”

Eén van de belangrijkste voordelen

van satellietbeelden is dat ze

met regelmaat worden gemaakt.

De satelliet draait om de aarde

en kan op die manier met een

standaard interval beelden maken.

Wijzigingen in een situatie kunnen

door AI in kaart worden gebracht

op basis van de satellietbeelden.

Denk hierbij bijvoorbeeld aan het

monitoren van de groei van een

vluchtelingenkamp. Maar ook bij

andere zaken waar verandering

in tijd aan de orde zijn, kunnen

satellietbeelden in combinatie

met AI een oplossing bieden.

Het hoeft bij satellietbeelden niet

altijd te gaan om megaprojecten.

Ook voor lokale overheden is dit

interessant. Gemeenten kunnen met

satellietbeelden en AI bijvoorbeeld

heel efficiënt wijzigingen in de

(infra-)structuur van beoordelen -

bijvoorbeeld hoe de groei van het

aantal zonnepanelen verloopt.

LES 02Gebruik satellietbeelden voor een analyse over tijd

Hoewel luchtbeelden met een

veel kleinere interval (één keer

per jaar) worden gemaakt dan

satellietbeelden, biedt deze

vorm van beeld weer hele andere

voordelen. Hier kun je namelijk

ook alle details goed in kaart

brengen. Waar met satellietbeelden

vastgesteld kan worden dát er

zonnepanelen op een dak liggen,

kunnen beelden gemaakt vanuit

een vliegtuig of drone, inzoomen

op de details. Op die manier kan

bijvoorbeeld schade, of de status van

het onderhoud van zonnepanelen

worden vastgesteld. De data van

deze gedetailleerde beelden kan

met behulp van AI direct omgezet

worden in acties zoals het attenderen

van een monteur. Voeg hier nog

meer AI aan toe en er kunnen ook

voorspellingen worden gedaan

omtrent, bijvoorbeeld onderhoud.

LES 03Luchtbeelden (van vliegtuigen of drones) voor de details

Zowel satellietbeelden als

luchtbeelden zijn in een aantal

gevallen vrij verkrijgbaar. Dat

betekent dat de kosten niet hoog

hoeven te zijn. Dit gaat helaas niet

in alle gevallen op. Vaak kunnen

overheden dan alsnog gebruik

maken van beeldmateriaal dat

beschikbaar is bij commerciële

organisaties. Gaat het om écht

hele specifieke objecten, waarvoor

speciaal beelden gemaakt moeten

worden, dan kunnen de kosten

wel oplopen. Hoewel de inzet

van drones deze soms nog kan

beperken. In de handreiking vindt u

een overzicht voor welke beelden u

waar terecht kunt.

LES 04Het aanbod is groot en hoeft niet altijd duur te zijn

https://issuu.com/klhartog/docs/dsi-handreikingsatellietbeeldenenluchtbeelden


Wanneer een datagedreven (AI) onderzoek opgestart wordt, is het handig om een uitgestippeld plan te volgen. In algemene zin zijn er vijf stappen die doorlopen moeten worden om goed onderzoek te kunnen uitvoeren.

Dit is nodig om inzichten te verschaffen die eerder onzichtbaar waren

Höcük en zijn team zien in de publieke sector ook elders mogelijkheden voor AI-oplossingen. “Data worden tegenwoordig continu gegenereerd en opgeslagen, en is vaak te veel om door mensen behandeld te worden,” vertelt Höcück. “Slimme machines en zelflerende algoritmen zijn niet alleen handig, maar ook nodig om ons inzichten te verschaffen die normaal onzichtbaar waren. Op deze manier werven we diepere kennis in menselijk gedrag en handelen. Daarbij ontdekken we ook nieuwe inzichten, door complexe verbanden te analyseren tussen verschillende gekoppelde databronnen. Hoe groot of klein ook, data science kan ingezet worden in alle publieke sectoren.

Hiervoor schreef dr. Seyit Höcük een handleiding, die hoort bij de casus ‘Bijstand’ in de Gemeente Den Haag (pagina 26). Samen met zijn collega’s dr. Patricia Prüfer, drs. Marcia den Uijl en Pradeep Kumar, MSc. deelt Höcük zijn uitgebreide kennis en kunde. In deze lessen kunt u vast meekijken met de algemene stappen die van belang zijn bij het uitvoeren van AI-pilots.

LESSEN: DATAMODELLEN

Het kan zijn dat standaard data door AI ineens de hoofdrol kan spelen in beleidsmatige oplossingen

De grote vraag van veel publieke organisaties is hoe AI kan worden toegepast op datagedreven onderzoek en beleid. Waar begin je, welke modellen zijn er eigenlijk voorhanden, hoe zorg je dat alles efficiënt en veilig wordt uitgevoerd?

De basis van ieder algoritme is

wat je er in stopt, de data. Als

publieke organisatie kun je eerst

gaan kijken welke data er al in huis

is. Het kan zijn dat data die eerst

vooral dienden voor registratie en

verificatie, in combinatie met AI

ineens een hoofdrol gaan spelen bij

het oplossen van een probleem. Kijk

bijvoorbeeld naar de pilot van de

Gemeente Den Haag (pagina 26).

Hier worden databases gebruikt

met o.a. bijstandsgegevens,

die vervolgens worden ingezet

om mensen op een prettige en

kansrijke manier weer naar werk te

LES 01Het fundament: data verzamelen

dr. Seyit Höcük,

data scientist bij CentERdata

https://issuu.com/klhartog/docs/dsi-handleidingdenhaag


begeleiden. Ook als er intern (nog)

geen geschikte dataset voorhanden

is, zijn er voor de publieke sector

mogelijkheden om deze te vinden

in additionele bronnen zoals

bijvoorbeeld CBS Maatwerk en

Microdata, BAG data, Wijk- en

buurtstatistieken of surveydata.

Voordat een model kan worden

losgelaten op de data, is het

belangrijk om deze zo te bewerken

dat de data kloppend is. Ruwe data

zijn vaak onvolledig, inconsistent,

eenzijdig en bevatten waarschijnlijk

veel fouten. Verschillende

fasen zijn er nodig om de data

klaar te maken voor gebruik.

Onder datavoorbewerking

valt het opschonen, imputeren

(volledig maken), normaliseren

en transformeren van data. Dit is

een belangrijk en aanzienlijk deel

van het hele proces. Afhankelijk

van hoe schoon de data zijn, kost

datavoorbewerking vaak 50% tot

80% van de tijd over het gehele

proces.

LES 02Data voorbewerken

Eén van de belangrijkste vragen die

bij data science naar voren komt is:

Hoe kies je je model? Er zijn namelijk

vele verschillende (typen) modellen

beschikbaar. Vaak niet, maar soms

is een eenduidig antwoord hierop

geven mogelijk. Focus daarom op

het beslissingsproces dat ertoe

leidt om uit te komen bij het meest

passende model. Maar eerder is het

zo dat je sommige andere modellen

elimineert dan dat je direct het

ideale model vindt. Op basis van

dit proces, kun je uiteindelijk een

keuze maken voor een model en dit

vervolgens gaan trainen.

LES 03Model trainen

Zodra het model uitkomsten

genereert, wil je weten hoe

goed het model presteert. Om

de prestatie van een model te

beoordelen en om verschillende

modellen te vergelijken, kan

gebruik gemaakt worden van een

LES 04Testen en evalueren

Zodra uitkomsten worden

gegenereerd, en te zien is hoe goed

het model presteert, kan er voor

gezorgd worden dat het model

nog beter presteert door het te

optimaliseren. Bijna alle modellen

hebben meerdere parameters

waarmee het model verfijnd kan

worden. Deze parameters worden

hyperparameters genoemd. De

optimale hyperparameterintsellingen

hangen af van het probleem, model

en de data. De zoektocht naar de

optimale hyperparameters kan ook

geautomatiseerd worden.

LES 05Optimaliseren

aantal prestatiestatistieken. Er zijn

meerdere manieren om modellen

te evalueren en met elkaar te

vergelijken. Voordat dit gedaan kan

worden, moet de data al vóór het

trainen eerst opgesplitst worden in

een deel dat wordt gebruikt voor

het trainen van het algoritme en in

een deel voor het testen. Dat laatste

wordt gebruikt voor modelevaluatie.


AI binnen de overheid

Rijksbrede innovatie communityDe Rijks Innovatie Community is een groeiend netwerk

van innovators binnen de Rijksoverheid. Iedereen

die geïnteresseerd is in innovatie en werkzaam is op

een ministerie, uitvoeringsorganisatie, inspectie of

zelfstandig bestuursorgaan kan lid worden van RIC.

Bij de Rijks Innovatie Community draait het om

verbinden, kennis delen en faciliteren. Het is de ambitie

om uit te groeien tot een netwerk waarin alle ministeries

zijn vertegenwoordigd en wat boordevol kennis,

ideeën, innovatieprojecten, events, tooling, ervaringen

en sociale contacten zit, ook op het gebied van AI!

www.rijksinnovatiecommunity.nl

I-interim RijkI-Interim Rijk helpt de Rijksoverheid met het realiseren

van i-ambities. Dat doen we door advies te geven

en onze professionals op tijdelijke i-trajecten binnen

het Rijk in te zetten, veelal op het niveau van project

–of programmamanagement. Door rijksbreed te

werken, kunnen we onze kennis en ervaring slim

delen en hergebruiken. Naast een eigen Leer- en

Ontwikkelcentrum, zijn onze mensen verenigd in diverse

vak –en expertgroepen om inhoudelijk kennis met

elkaar te delen en op de hoogte te blijven van de laatste

ontwikkelingen. De expertgroep ‘Data & AI’ is daar

één van en onderneemt regelmatig nieuwe initiatieven.

Je kunt hierbij denken aan het Kennisplatform Big

Data in samenwerking met ICTU, de Data Governance

Assessment of de bouw van een ‘body of knowledge

AI’. De doelgroep is breed: de expertgroep richt zich op

alle Rijkscollega’s met kennis van data en AI.

Rijks I-Traineeship Rijks I-Traineeship biedt een selectie net afgestu-

deerde talenten de kans om zich in twee jaar te

ontwikke len tot ICT-, Data- of Cyberspecialist bij de

Rijksoverheid. Tijdens drie trainee-opdrachten bij

verschillende rijksdien sten maken de I-trainees kennis

met verschillende facetten op I-gebied binnen de

Rijksoverheid. Zo worden zij klaargestoomd voor een

carrière als I-professional bij de Rijksoverheid. Rijks

I-trainees zorgen daarbij niet alleen voor nieuwe aanwas,

maar ook voor serieuze innovatie en actuele kennis

binnen de Rijksoverheid. Rijks I-trainees zijn uitermate

geschikt om bij AI trajecten ingezet te worden. Zoals een

I-trainee zelf zegt over een lopende AI-opdracht: ‘Met

mijn juridisch technische achtergrond kan ik eenvoudig

manoeuvreren tussen lastige beleidsacties die genoemd

staan in SAPAI. Met name acties die betrekking hebben

op ethiek, wetgeving en toezicht van én over AI.’

Het Rijks I-Traineeship verzorgt onder meer de

werving en selectie en de centrale basisopleiding van

de I-talenten. Na de werving- en selectieperiode in

het voorjaar start het Rijks I-Traineeship jaarlijks op 1

september. Elke rijksdienst kan zich aansluiten bij het

Rijks I-Traineeship.

Data & AI nieuwsMaandelijks verzamelt Betty Feenstra het Data & AI

nieuws binnen en buiten de overheid en publiceert dat

in een nieuwsbrief. Vaak overheidsgerelateerd, met

aandacht voor concrete toepassingen van Data en AI

binnen overheden, ethische en privacy kwesties, data

visualisaties en aandacht voor technische oplossingen en

tips voor data analisten. Je kunt je abonneren en eerdere

edities teruglezen.

RADIODe RijksAcademie voor Digitalisering en Informatisering

Overheid (RADIO) biedt cursussen en diverse digitale

leervormen aan voor Rijksambtenaren om meer inzicht

te krijgen in en ervaring op te doen met digitalisering en

informatisering. Naast een zelfscan voor de “21st century

skills” kun je via hun website allerlei podcasts, webinars

en cursussen volgen.

www.it-academieoverheid.nl

ABD- app: ‘Data, Innovatie en ICT’ABD’ers kunnen zich ook inschrijven voor de vernieuwde

ABD- app ‘Data, Innovatie en ICT’. Het datagedreven

werken rond publieke opgaven en maatschappelijke

www.rijksinnovatiecommunity.nl

https://twitter.com/bettyfeenstra

https://mailchi.mp/796884746e96/dataenainieuws

www.it-academieoverheid.nl


uitdagingen wordt de ruggengraat van de efficiënte

en effectieve uitvoering van overheidstaken. Data,

Innovatie en ICT bieden overheden veel kansen

om de dienstverlening proactief te versterken

rond publieke opgaven, en zo de wendbaarheid

én toekomstbestendigheid te vergroten. Het

datagedreven werken biedt ook kansen om de

eigen bedrijfsvoering en de interactie met burgers

en bedrijven te verbeteren. Dit vraagt om kennis

van datatechnologie, een kansgerichte mindset

én om leiderschap van top- en middenmanagers.

Immers, de dataficatie betekent een fundamentele

transformatie, die de overheid in het hart raakt van

haar functioneren.

Uit de probleemanalyse van het ABD-onderzoek

Werk aan Uitvoering, blijkt dat het voor veel

bestuurders, (top)managers en opdrachtgevers

niet helder is wat nodig is om de kansen van data

en het ‘opgave en datagedreven werken’ vanuit

publieke waarden aan te grijpen, wat hun rol

hierin kan zijn en welke inhoudelijke kennis en

leiderschapscompetenties daarbij passen.

Na het volgen van deze vernieuwde module zijn

deelnemers op de hoogte van de ontwikkelingen op

het gebied (data)innovatie, kennen ze veel gebruikte

termen, inspirerende praktijktoepassingen en gaan

ze zelf aan de slag met het versterken van de eigen

innovatiekracht, die van de organisatie en krijgen ze

handvatten voor leiderschap tijdens veranderen.

Yes!DelftIn maart 2019 opende YES! Delft haar tweede locatie

in Den Haag! De focus van deze nieuwe locatie ligt

op de twee belangrijkste technologieën van de

digitale samenleving: Artificial Intelligence (AI) en

Blockchain. De ambitie van YES! Delft en partner De

gemeente Den Haag is om van de nieuwe locatie een

levendig en sterk innovatief ecosysteem te maken

voor tech-startups die impact willen hebben op deze

domeinen. www.yesdelft.com/focus-areas/artificial-

intelligence

Toolkit Open DataHet stappenplan van het Leer- en Expertisepunt

Open Overheid is vooral bedoeld voor wie nog niet

heel bekend is met Open Data. Op deze pagina vind

je informatie over de juridische randvoorwaarden

en technische aspecten, maar ook meer algemene

achtergrondinformatie. Er is enorm veel informatie

beschikbaar waar je je voordeel mee kunt doen. www.open-overheid.nl/open-data/toolkit-open-

data

De Ethische Data Assistent (DEDA)DEDA helpt data-analisten, projectmanagers

en beleidsmakers om ethische problemen in

dataprojecten, datamanagement en databeleid te

herkennen.

DEDA is in nauwe samenwerking met data-analisten

van de Gemeente Utrecht ontwikkeld en bestaat

uit een toolkit die helpt bij het in kaart brengen

van ethische kwesties bij dataprojecten, bij het

documenteren van het beraadslagingsproces en

bij de bevordering van de verantwoording aan de

diverse stakeholders en het publiek.

www.dataschool.nl/deda/

Data Governance Self-assessment tool De Data Governance Self-assessment tool is bedoeld

als ondersteuning bij de positiebepaling van Data

Governance binnen een overheidsorganisatie. Het

doel van de positiebepaling is om overeenstemming

te verkrijgen over de huidige positie en de

verbeterstappen voor een vervolgtraject: de data-

ambitie. Met het invullen van de vragen krijgt u

een beeld van de kwaliteit van de opzet van Data

Governance binnen uw organisatie.

De Self-assessment tool stelt 43 vragen, verdeeld

over acht thema’s. De gebruiker wordt gevraagd om

een cijfer te geven (1-5) aan de huidige positie en de

ambitie die de organisatie heeft.www.digitaleoverheid.nl/document/data-

governance-self-assessment-tool/

https://www.rijksoverheid.nl/documenten/publicaties/2020/02/14/werk-aan-uitvoering---fase-1---probleemanalyse

www.yesdelft.com/focus-areas/artificial-intelligence

www.open-overheid.nl/open-data/toolkit-open-data

www.dataschool.nl/deda/

www.digitaleoverheid.nl/document/data-governance-self-assessment-tool/


Veel mensen hebben bij techniek

de neiging om het te zien als iets

dat ons overkomt. Want het is

ingewikkeld. Maar techniek is iets

wat we als mensen zelf maken.

Zoals Alan Kay zei: ‘The best way

to predict the future is to create

it’. Samen bepalen we hoe we AI

gaan inzetten. Onze keus is simpel:

wij kiezen voor AI die publieke

waarde creëert, die bijdraagt aan

vrede, recht en veiligheid. En daar

kun je prachtige vergezichten voor

maken, maar uiteindelijk bepaalt

ons handelen wat er van die visies

terecht komt.

Bij innovatie is dat handelen een

zoektocht van vallen, opstaan en

leren. Dat leren doe je het snelst

samen met anderen die met dezelfde

worsteling bezig zijn. Vandaar

dat we deze pilots georganiseerd

hebben, en vandaar dat we dit

magazine hebben gemaakt. Het

is belangrijk dat we dat delen, alle

successen, worstelingen en lessen.

Dat zullen we ook blijven doen met

al onze verschillende webinars,

hackathons en andere (informatie-)

kanalen.

Open innovatie is de manier

waarop we werken bij het Data

Science Initiative. Want het is heel

simpel, geen enkele organisatie

beschikt over al het denkbare talent

in de wereld (of in Nederland).

Ideeën kunnen overal vandaan

komen. Dat AI-innovatie met de

juiste samenwerkingsverbanden

een enorm krachtig middel is, zien

we ook terug in de pilots in dit

magazine. Van het voorspellend

onderhoud bij Rijkswaterstaat, tot

en met de Gemeente Den Haag die

mensen vanuit de bijstand begeleidt

naar werk, met behulp van AI: het is

een kwestie van kruisbestuiving van

kennis en organisaties.

Toch nog even over die

vergezichten. Want ‘de stip aan de

horizon’ doet er wel toe. Zo was het

Vredespaleis er niet gekomen als

er geen visie was geweest om de

wereld voor oorlog te behoeden.

Als Data Science Initiative denken

we op dit moment na over de vraag

hoe een AI Vredespaleis er uit zou

kunnen zien. Een ontmoetingsplek

waar een internationaal gesprek

plaats kan vinden over de vraag hoe

AI publieke waarde kan creëren?

Een laboratorium voor experimenten

met big data voor vrede, recht en

veiligheid? Een arbitrage-proces

om internationale spelregels voor

ethische AI te kunnen vaststellen?

Een lerend netwerk van professionals

en wetenschappers die samen aan

innovatieprogramma’s werken? Hoe

ziet volgens jou een AI Vredespaleis

er uit? We zijn benieuwd naar je

mening.

Natuurlijk kunnen we bij AI lang discussiëren over bits, bites, algoritmes, implementaties en digitale transformaties. Maar dan hebben we het vooral over techniek. Wat we met dit magazine willen laten zien is dat het draait om mensen.

Frans Nauta

Pak de droom op, alleen dan komen er mooie dingen uit


Documents

Aan de slag met AI binnen de overheid - The Hague · Big Data We spreken van big data als er sprake is van meerdere kenmerken van de data, met name de ... Intelligence, keert een